谈及开源与社区这一话题,代码贡献量是要被经常拿出来晒的,但是在这个凡事都讲求回报的商业社会,各家厂商也要根据自身情况而“量力而为”。在SUSE亚太区及日本总经理江永清看来,在社区中的贡献是一个很重要的标杆,但并不是唯一的;在开源环境中的竞争也不同于闭源环境中单纯比拼用户量,相应的生态环境、产品质量以及对于技术发展趋势的把握等因素也是非常重要的。
随着云计算技术发展愈发成熟,越来越多的企业在构建企业数据时将目光移向了开源领域。这不单是来自于成本方面的考虑,以Linux为代表的开源软件在易用性和可用性方面的表现也是其中的重要因素。伴随着客户业务的发展,其对于开源系统的需求也在逐步提高,而这也从商业层面给予了厂商更大的刺激,所以近年来在开源平台上发展很快。
SUSE Cloud5作为SUSE公司最新的OpenStack商业发行版与其上一个大版本只相隔了半年就是一个佐证。“OpenStack的更新节奏本就很快,在最新的版本中SUSE Cloud进一步强化了高可用性以及灵活性。但这并不代表日后SUSE会以同样的频度来更新产品,SUSE会根据市场情况来决定我们的产品更新速度。”江永清认为,产品的生命周期很大程度上是以客户需求决定的:“以SLES为例,一些客户会使用某一版本数年之久,SUSE会为此提供长期的服务支持,确保客户群不会受到影响。”
这一点也是SLES能够成为长期承载企业核心应用的关键。SAP公司作为ERP领域的代名词,与SUSE有着长达十五年以上的深入合作。“如果企业的SAP应用是构建在开源系统之上,70%的客户会选择SUSE,而对于HANA平台而言这一数字则达到了99%。为使其成为最佳实践,SUSE投入了大量的优化工作。”值得一提的是,在华为针对企业数据库、决策支持和业务处理等关键工作负载设计推出的32路昆仑服务器昆仑上,搭配SLES产品实现了未有的可靠性提升。根据客户对SAP HANA高可用的需求,除了原先支持基于性能的高可用解决方案的场景外,SUSE和华为共同研发基于成本的SAP HANA多层高可用场景,并提供针对SAP HANA应用的系统安全加固等解决方案,可确保SAP HANA业务拥有强大的可靠性、智能的故障检测和恢复能力,将宕机时间最小化。针对SAP HANA内存数据库对性能的需求,对SUSE Linux的内核页面缓存模块及相关内核参数进行优化,大大提升在昆仑服务器上运行SAP HANA的性能。
此外,SUSE的开放合作态度使得其在全球获得了大量的合作伙伴支持,包括IBM、华为、中兴、联想、曙光、浪潮等国内外厂商都与SUSE有着广泛的合作。“诞生自德国的SUSE,也有着欧洲一贯的开放理念,与一些友商相比,SUSE有着更为灵活的经营思路,更具体来说,SUSE为用户提供了更加自由的选择,不会在单一产品上强行附加平台套件。”江永清如是说道。
公有云市场成为SUSE快速增长的另一源头
公有云业务对于SUSE来说是一个巨大的增长机遇。“云的出现对于开源产业来说是一个再次壮大的机会,很多云都是建立在开源技术之上。对于SUSE而言,这种机会出现在当客户对于开源系统有着可靠性等质量要求的情况下。”据悉,在公有云业务上面的收益,SUSE在过去的一年中每个季度之间的增长率甚至达到了三位数。目前主要的收益来自于Azure与AWS平台的贡献,这其中尤以中国与印度的增长速度居首。“这些增长显示企业客户已经非常认真的考虑或者说尝试将其工作流放到公有云上,SUSE在中国已经与阿里云展开了合作,从这个季度开始应该会有一些实质性的合作结果显现。同时,SUSE也正在积极的与包括华为在内的其他公有云平台展开合作。”江永清在访谈的最后说道。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。