2023年6月11-13日,由2023全球数字经济大会组委会主办,开放原子开源基金会、北京市经济和信息化局、北京经济技术开发区管理委员承办的2023年开放原子全球开源峰会(以下简称:峰会)在北京召开。云原生应用引擎OpenNJet项目正式成为开放原子开源基金会的孵化期项目。
OpenNJet云原生应用引擎成为孵化期项目
云原生应用引擎OpenNJet项目正式成为开放原子开源基金会的孵化期项目,在AtomGit代码托管平台建立了代码仓库。通明智云作为捐赠方与开放原子开源基金会签署捐赠协议。
OpenNJet签署捐赠协议
通明智云总经理吴若松表示,“OpenNJet成为开放原子开源基金会首个云原生应用引擎孵化项目,是抢抓云原生技术发展先机的重要举措,对于夯实云原生技术发展根基,提升云原生技术创新、成果落地具有非常重要的意义。OpenNJet的技术迭代、创新发展、生态繁荣离不开全球开源创新能力的建立和完善。因此在开放原子开源基金会架构下,通过代码贡献构建开源社区,集聚开发者和企业用户力量,共创开源生态,必将能助力OpenNJet的技术创新和生态建设走向成熟,繁荣发展。”
未来,OpenNJet将围绕五个方面展开工作,一是推广OpenNJet应用引擎,吸引开发者和企业用户共建和应用;二是深耕OpenNJet应用引擎技术研发和迭代;三是保障技术安全底线;四是积极谋划OpenNJet未来的产业发展;五是秉持开源开放的心态,积极回溯上游,推动云原生产业上下游生态共建。
通明智云倡议发起云原生工作委员会
峰会开幕式上,开放原子开源基金会联合北京航空航天大学、招商银行、通明智云等29家单位倡议,号召国内云产业相关企业、机构,共同发起开放原子云原生工作委员会,共建、共治、共享,推动云原生技术的创新发展。
开放原子开源基金会联合29家单位倡议发起云原生工作委员会
云原生工作委员会旨在通过构建开源、开放的云原生技术生态,探索云原生技术创新,推进云原生技术在中国发展,赋能千行百业数字化转型。将有效汇聚研产学政的中坚力量,挖掘和孵化更多云原生方向的杰出项目,为推动云原生产业链的进步与创新提供更多有效的支持;以卓越的云原生项目为引领,促进云原生技术在各行各业的广泛应用,推动数字化转型的加速发展,为行业和社会带来更多价值,OpenNJet达成捐赠意向,也成为了云原生工作委员会第一批意向加入项目;致力于打造具有国际影响力的开源项目治理组织,努力为全球云原生生态体系的发展贡献更多中国力量,推动云原生技术的全球普及与应用。
OpenNJet成为云原生工作委员会第一批意愿加入项目
OpenNJet绽放开放原子全球开源峰会
峰会是开放原子开源基金会本着以开发者为本的开源项目孵化平台、科技公益性服务机构的定位,立足中国,面向世界发起的大会,峰会依托国际化平台,聚集政、产、学、研、用、创、投、金等各领域的优势资源,共商开源发展大计,共筑开源发展未来,凝聚共建、共治、共享的发展共识!OpenNJet作为孵化期项目首次亮相峰会,绽放云原生分论坛、开源项目路演等环节和活动。
OpenNJet基于开源NGINX进行了功能定制,进行了内核重构、安全加固、功能增强的开发,目标在于适应云原生环境及国内特定的技术规范及标准,从而构建安全可控的云原生数据平面,支撑我国云原生产业生态。”
通明智云应用引擎产品总监单雷在云原生分论坛演讲
OpenNJet应用引擎是面向互联网和云原生应用提供的运行时组态服务程序。具备环境感知、安全控制、加速优化等能力,可利用动态加载机制实现不同的产品形态,如API网关、消息代理、入口/出口控制器、边车、负载均衡和WAF等。提供了服务网格中东西向通信、透明流量劫持、熔断、遥测与故障注入、链路追踪、蓝绿发布等新功能特性。
通明智云技术副总经理冯勇OpenNJet路演
目前,OpenNJet已经实现10多项的动态配置能力,完全的国密支持,内置集群支持,业务隔离的主动安全检查,并实现了服务网格环境下基本的边车(SideCar)功能等。
OpenNJet作为孵化期项目积极参加开放原子全球开源峰会组织的各项系列活动,吸引了广大开发者和企业用户的高度关注,为将来OpenNJet开源生态的发展奠定了坚实基础。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。