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,以及容器、Kubernetes及微服务等技术热度的持续攀升,云原生正在引领云计算的下一个十年。
开源一定是开放吗?

开源与开放似乎是硬币的两面不可分,但是在原Rancher Labs联合创始人及CEO、现SUSE工程与创新总裁梁胜看来,有时候开源并不等于开放,为了将“真开源’”交还给客户与用户,SUSE坚持着“开放的互操作性”,即为客户提供从底层操作系统到容器管理、Kubernetes管理、IT基础架构管理、应用管理、多云管理等方面的产品方案及技术支持,又在各层级上均良好地兼容与支持着行业中的同类解决方案。

在第四届“企业云原生创新大会Enterprise Cloud Native Innovation Conference”(以下简称“ECIC”)上,SUSE大中华区总裁秦小康表示,技术的垄断将加剧锁定与傲慢,我们要警惕那些强行捆绑打包的“全栈”方案。上云是势在必行,选择真正开放的、兼容的、不给客户被锁定风险的解决方案才是实现这一设想的路径。
云的一个显著特点是标准化交付,进入到云原生时代,全球有大约100多种Kubernetes分发版,如果过去是上云不一致,现在则是K8S的兼容问题。
“这个不是技术的难度,而是商业的选择。SUSE要做的就是解决这个问题,无论你选哪个K8S都是统一体验,无论你选哪一个云。云原生的意思是说我天生以来跟云是兼容的,不论是公有云、私有云还是混合云。” 秦小康说。
但是现实情况是供应商锁定,想要使用我的容器,你必须用我的Ceph、OpenStack、操作系统等。而SUSE的每一个产品都实现了互操作性,你可以随变替换。
创新的原动力
虽然说,现在云计算产业的发展已经今非昔比,但是这并不代表市场的机会没有了。
秦小康表示,现在云计算并没有达到像用水、用电一样统一使用IT资源,这也是SUSE收购Rancher Labs之后一直在做的事情。 双方整合研发团队、销售团队、技术团队,协同效应明显,SUSE能够帮助Rancher Labs的产品与市场需求匹配从5%扩大到95%。
企业要进行数字化转型必须降本增效,但是传统业务应用的复杂性却是显而易见的。如果要解决这些问题,就需要实现技术兼容。
对于新技术的追求会创造很多机会,而新技术在行业中的落地应用也会越来越深入。例如对于广发银行而言,早期PaaS平台不满足松耦合架构,无法根据新技术演进和功能自主掌控迭代更新和维护。
Rancher与广发银行技术支持和推广团队建设了广发银行应用云共7个集群,60个节点,承载内部容器化业务系统,并在交付后,针对客户需求量定做培训、应用上云标准化制定、应用容器化改造、安全漏洞主动告警、制定平台发展路线规划等方面问题,通过制定发展和平台推广计划与目前主流技术相结合的手段,帮助广发银行更好的将平台使用起来。
秦小康表示,创新需求大多来自客户,你要成功的创新,你就需要得到用户的认可。

在本届ECIC大会上,SUSE与openEuler在大会上正式携手宣布了双方战略合作的开启,并联合发布了SUSE的openEuler发行版——数硕Linux。
在国内IT迎来新的发展机遇的背景下,SUSE加入openEuler社区,发布基于openEuler的Linux版本的示范意义深远,这也契合SUSE Rancher相关云原生产品,在服务器、云、边缘计算和容器各方向持续创新。
“SUSE要做国产化,要跟openEuler社区做好的整合,我们更好的服务于中国客户,另外一方面我们也会有一些帮助openEuler社区走向世界。”秦小康如是说。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。