对于云原生开发,更重要的不是运行应用程序的位置,而是开发的方式。随着应用程序现代化和云原生开发越来越受到重视,现在对于企业开发者来说是个很有意思的时刻。针对混合云环境的关键成功因素(包括安全性、可靠性和可管理性),职责开始转移到应用程序。我发现,要解决这些“有意思”的挑战,最好是动用能够理解整个软件开发生命周期的协作式、跨学科 DevSecOps 团队。
在这种新的环境中,您作为开发者的角色更加严苛,我们都需要更好的工具。您的职责更加重大,需要就治理和相关管理政策,理解安全性工程师并直接与他们合作。您需要优先考虑服务的可靠性,最佳实践是在应用程序生命周期中及早地处理潜在问题。您还需要前瞻性地检测并解决生产环境的潜在问题,以免带来负面的业务影响。
DevSecOps 团队需要集成工具来自动执行耗时、易出错的管理任务,并提供资源、配置和应用程序的合并视图。团队必须就事实达成一致,并使用单一事实来源,前瞻性地管理混合云环境,以及时、非中断性的方式处理事件。
了解 IBM 和 Red Hat 在多云 DevSecOps 空间中一起实现的工作成果,这绝不会让您感到失望。我们理解您的具体工具需要以及您对于开放性和灵活性的全盘需求。IBM Cloud Pak for Multicloud Management V2 提供了一组开放式、可插拔的工具,支持组织安全地管理应用程序,无需考虑应用程序的架构方式和部署位置。利用这一最新解决方案,您现在可以与安全性和运营领域的团队成员一起协作来完成以下工作:
下面是我发现的 V2 中一些很有用的新功能,它们应该对于您和整个 DevSecOps 团队也很有用:
了解更多与IBM相关请访问:http://www.zhiding.cn/special/IBM_Hybrid_Cloud_Solutions
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。