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
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
Salesforce AI研究团队构建了首个大规模多模态文档RAG评测基准UniDoc-Bench,包含7万页真实PDF文档和1600个问答对,覆盖8个领域。研究发现文本图像融合检索策略显著优于单一模态和联合多模态方法,为未来AI文档理解系统提供了"分工合作"的设计思路。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
腾讯研究团队发现AI训练中"推理火花"现象,揭示低概率词汇如"等等"、"不过"等在维持AI探索能力中的关键作用。团队开发的低概率正则化方法通过精准保护有价值的低概率词汇,在数学推理任务中实现60.17%准确率,比传统方法提升2.66%,为AI创造性思维研究开辟新路径。