2020 年 12 月 1 日,全球开源创新领导者SUSE 宣布正式完成对 Kubernetes 管理领域市场领导者 Rancher Labs(以下简称Rancher)的收购。两家领先开源公司的合并,将为业界带来一流的 Linux 操作系统和市场领先的 Kubernetes 管理平台的全新产品组合,以及众多助力企业创新变革的最先进能力。
“我们的客户明确表示,他们希望获得先进、可靠而且强大的技术,以加速业务转型”,SUSE CEO Melissa Di Donato 表示:“SUSE过往提供的创新解决方案可以预测并完美满足企业的转型需求,如今有了 Rancher,我们将再次创造历史。凭借我们面向开源软件的强大模块化策略,我们的客户可充分利用其可靠性和出色的灵活性随时随地在任意场景进行创新——无论是在数据中心、云端还是边缘环境。”
助力企业激活无限创新
SUSE 和 Rancher 与广泛的开源社区合作,为企业带来无限创新和稳定体验。
SUSE 拥有 28 年的辉煌历史,一直专注于开源创新,为任务关键型应用程序和系统提供支持,被广泛嵌入到全球范围内诸如汽车和医疗设备等设备当中。Rancher 近日在“Forrester New Wave™:多云容器管理平台”报告中被评为卓越领导者,它提供开源容器管理软件,使组织能够在数据中心、云、分支机构和网络边缘的任何基础设施上大规模部署和管理 Kubernetes。
Rancher 对开源社区的平等承诺得到了包括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 Kubernetes 发行版和操作系统的支持。由于没有供应商锁定(Lock-in)以及计算场景的限制,企业可以在其业务范围内进行边缘到核心再到云的无限创新。未来,SUSE和Rancher将共同开发解决方案,致力于解决当今企业的复杂问题,重点聚焦帮助企业进行边缘计算领域的创新。
“与 SUSE 合并是我们的正确选择,我们对开源有着共同的理念、观点和原则,将为企业领导者带来巨大的价值”,SUSE工程与创新部门总裁梁胜(前Rancher联合创始人及CEO)表示:“未来,我们将致力于帮助全球企业实现业务变革,通过为企业提供云相关解决方案,帮助其数字工作流程实现云基础设施现代化。”
真正“开放”的开源软件
为了兑现对开源社区真诚且坚定的承诺,SUSE通过结合Rancher等独立公司的力量与能力,为全球 IT 领导者在业务转型提供助力。SUSE和Rancher的共同客户和合作伙伴均对此表示认同。
“一些开源公司比其他公司更开放。根据我的经验,SUSE 和 Rancher 是很好的案例,他们积极致力于提供技术解决方案的部署和服务,从而真正满足我们的业务需求,并且极具创新意识”,T-Systems 公共云托管服务和大数据 SVP Frank Strecker 表示。
“我们需要在数据中心和云端进行创新,同时需要保持敏捷性,我们不能仅使用功能简单且种类繁多的垂直堆栈。 SUSE 和 Rancher 提供的真正开放的开源软件,以快速且一致的方式响应不断变化的数字化需求”,富士通法律与秩序联合部门 CTO Jason Daniels 表示。
最后,Melissa 强调:“SUSE 和 Rancher 的组合为 IT 行业带来了绝无仅有的创新,通过 SUSE 与Rancher 结合,打造基于未来愿景的专业知识和解决方案。我们独立且灵活的产品模块,将使客户高效地应对当前的工作流程挑战,并自由地在未来发展其 IT 战略。”
SUSE 最近公布了2020财年第四季度的财务业绩和喜讯,全球业绩持续增长。云 ACV(年度合同价值)预订持续增长,增长率达到 87%,实现了连续 15 个季度的云 ACV 同比增长。
关于 SUSE
SUSE 是真正的开源创新全球领导者,通过与合作伙伴、社区和客户合作,提供和支持强大的开源软件解决方案。SUSE 市场领先的 Linux、Kubernetes、容器和云产品使客户能够随时随地在任意场景进行创新——无论是在数据中心、云端还是边缘环境。SUSE 让“开源”重新“开放”,使客户能够灵活地应对当今的创新挑战,并能够自由地在未来发展其IT战略和解决方案。
有关详细信息,请访问SUSE官网:https://www.suse.com/zh-cn/。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。