北京时间2020年7月8日,全球最大的独立开源公司SUSE与业界应用最为广泛的Kubernetes管理平台创建者Rancher Labs(以下简称Rancher)共同宣布,双方已就SUSE收购Rancher事宜正式达成最终协议。此次收购将使SUSE/Rancher成为企业级Linux、容器、Kubernetes、边缘计算领域的首选开源公司。
“对于IT行业而言,这是一个意义非凡的时刻,因为此次并购是两个开源领域领导者的联合。SUSE是企业级Linux、边缘计算和AI的领导者,此次与企业级Kubernetes管理领域的领导者Rancher的合并,将为全球的IT市场注入全新的可能,以帮助客户加速其数字化转型之旅。”SUSE首席执行官Melissa Di Donato表示,“SUSE和Rancher的结合,将为市场带来先前罕有的、能在全球范围内提供技术支持的、包含云原生技术在内的100%真正开源的产品组合,从而帮助我们的客户从边缘、到数据中心、再到云上,实现整个业务的持续无缝创新。”
随着企业的IT部门越来越多地寻求利用云来实现创新并推动数字化转型,Kubernetes已迅速成为企业IT战略的核心支柱。Gartner预测,随着采用云原生的应用程序和基础架构的企业数量大幅增加,到2024年,成熟经济体中使用容器管理平台的大型企业的比例,将从2020年的35%增长至超过75%。
SUSE是企业级Linux和边缘计算的领导者,而Rancher是Kubernetes容器管理领域的领导者,二者结合,将通过最新的AI技术以及从边缘到数据中心再到云的容器化工作负载的无缝部署,实现“计算无处不在”。
“Rancher和SUSE一起,将帮助企业掌控其云原生的未来,”Rancher首席执行官梁胜表示,“Rancher领先的Kubernetes平台与SUSE丰富的开源软件解决方案矩阵建立了强大的组合,使全球范围内的IT和运营领导者都能最好地满足自身或其客户在数字化转型过程中的需求——无论是在数据中心、还是在云端或边缘计算环境。”
“Rancher和SUSE有着相同的开源精神与基因,过去几年也都同样深耕中国市场,在企业客户支持、开源社区建设、合作伙伴生态建设等方面都取得了显著的成绩,”Rancher大中华区总经理秦小康表示,“Rancher中国与SUSE中国都尤为看好中国市场强大的潜力和强劲的发展前景,未来,为企业在新的云原生计算时代提供更好的计算平台、实现‘计算无处不在’是Rancher中国和SUSE中国的共同目标。”
在获得监管部门批准、收购正式完成之后,SUSE和Rancher这个强强联手的组合将拥有更丰富的一流产品矩阵、更领先的创新能力和更强势的全球业务覆盖。Rancher作为被Forrester评为“企业容器平台软件领导者”的容器领域头号玩家,将能使SUSE的客户受益于Rancher业界领先的云原生技术能力。另一方面,Rancher的客户将能受益于SUSE的全球支持网络和广泛的开源产品组合。
对于SUSE的全球合作伙伴生态系统来说,这种结合也是一个巨大的胜利,合作伙伴现在将能够使用Rancher的产品为其客户提供更全面更丰富的解决方案。
SUSE在开源技术方面有着悠久的传统,未来亦将继续致力于提供100%真正的开源技术,为客户免于供应商锁定。一直以来秉承着同样开源精神的Rancher,同样将继续其开放、开源的战略,支持多个Kubernetes发行版和操作系统。
Rancher的架构设计,从最初便设计为与基础设施无关,正因如此,Rancher是最早的支持所有经CNCF认证的Kubernetes发行版的Kubernetes管理平台,为包括RKE、K3s、微软云AKS、亚马逊EKS、谷歌云GKE、阿里云ACK、腾讯云TKE和百度智能云CCE在内的所有主流认证发行版以及像Gardener这样的开源项目提供了直观、极简且一致的Kubernetes管理体验。
此次对Rancher的收购,是SUSE自2019年3月成为完全独立的软件公司以来,并购式增长战略的第一步。它还遵循了SUSE强劲的财务势头,SUSE刚刚发布了出色的2020财年第二季度财务报告,ACV(年度合同价值)预订量同比增长30%,全球云收入同比增长70%。
“SUSE的愿景是为客户和合作伙伴创造更好的未来和可衡量的价值,也正是这一愿景指导我们的决策并推动我们的增长。”Di Donato补充说,“此次收购增强了SUSE提供更全面的产品组合、更多的客户选择以及无供应商锁定的解决方案的能力。它还将使我们在与合作伙伴的合作中发挥更大的战略作用,不论是面向云服务提供商、独立硬件供应商、系统集成商还是增值代理商,都能为其提供更多的价值。”
此次交易预计将在2020年10月底之前完成,但要遵守惯例成交条件,包括收到监管部门的批准。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。