摘要:20年前,IBM看到了Linux的巨大潜力,如今,Linux已成为帮助客户对现有应用进行现代化改造的理想工具。
20年前,IBM和开源社区首次将Linux融入IBM Z。20年时光转瞬即逝,今天,Linux on IBM Z已经整整20年了。
几十年来,IBM Z一直在全球最安全的平台上为客户保护最敏感的数据,《财富》100强企业中的三分之二都是IBM Z的客户。在此基础上,大型机、中间件和服务共同形成了一个经久不衰的平台。20世纪90年代末,IBM开始拥抱Java,同时,Java也让IBM看到了一个解决业务领域内重大问题的机会—缩小数据中心现有技术与互联网等新业务渠道之间的差距。
20年前,就像IBM对Java的重视一样,IBM也把Linux视为客户即将经历的下一个重大转变。正如当时首席执行官郭士纳所言:“像互联网改变企业应用那样改变业务应用。”随后,IBM研发实验室启动了一个具有开创性的项目,使IBM Z企业服务器与新兴的Linux操作系统之间产生了非凡的协同效应。
时光飞逝,就在五年前,随着IBM LinuxONE的发布,IBM又实现了一次巨大的飞跃,再次抓住了满足客户需求的机会—将仅运行Linux系统的企业级服务器引入新市场,用于新工作负载。回望过去,IBM已经走过了一条漫长的道路。如今,IBM又站在了新的起点上。
今天,IBM迎来了另一个重要的转折点—第四平台:混合云。IBM想要传递的信息很简单:IBM Z将发挥关键作用,帮助客户迈出下一步——对企业系统上的云原生应用进行现代化改造,以及构建、管理新应用。并借助RedHat OpenShift和IBM Cloud Pak将所有应用整合在一起。
Linux所带来的增长是该计划的核心。迄今为止,市场上已安装的所有处理器之中的35%以上都在运行Linux,Linux容量年同比增长55%。20年前,IBM看到了Linux的巨大潜力,如今,Linux已成为帮助客户对现有应用进行现代化改造的理想工具。
Linux on Z以最高等级的安全性为基础,具有多种云原生功能,并支持开源技术和DevOps。因此,IBM将会继续采用其他Linux发行版(例如:SUSE和Ubuntu),它们是IBM的重要合作伙伴,可以帮助IBM们推动Linux on Z加速发展。
最让人激动的是,Linux平台上运行越来越多新的工作负载,比如医疗,金融科技,数字资产托管等。例如,IBM正在与DACS、Hex Trust等客户合作,他们正在使用LinuxONE来达到与金融机构相同的银行级别的安全性和可扩展性,并将其应用于加密货币。
此外,IBM还与英国的云服务提供商和系统集成商Cognition Foundry合作,他们希望为更多的初创型企业提供企业级计算能力,帮助如Plastic Bank、Newlight Technologies等初创公司将理想变成现实。
Plastic Bank利用发展中国家的回收站网络来清理地球上的废塑料,让人们能够在收集废塑料的同时摆脱贫困。Newlight Technologies利用区块链支持的技术将温室气体转化为生物材料。目前,Plastic Bank和Newlight Technologies都在使用IBM LinuxONE。
未来20年是属于Linux on the IBM大机的时代!
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。