Neutron成为本届东京OpenStack峰会上的超级巨星。
与《纸牌屋》不同,OpenStack是一场普世性质的思潮。
东京OpenStack峰会于今日公布了更多新消息,各相关厂商正热情参与到这场云技术开源狂欢当中,而且似乎每位参与者都能够从中获取收益。
戴尔、Mirantis以及Big Switch Networks已经利用Big Cloud P+V SDN Fabric、戴尔Open Networking交换机以及Mirantis OpenStack共同构建起一套OpenStack Neutron网络参考架构。此次测试工作立足于一台8机架且包含300个计算节点的OpenStack数据中心Pod,其运行在戴尔公司位于加利福尼亚州圣克拉拉市的Open Networking卓越中心当中,而且据称其整个部署周期仅不到两小时。
Neutron据称能够提供网络即服务(简称NaaS)方案,外加与之配套的模块与插件架构以及API。Big Switch Networks公司指出,其Big Cloud Fabric(简称BCF)正是这样一套分支、主干与虚拟交换机结构。其Big Cloud Fabric控制器则作为集中处理机制负责对物理及虚拟网络环境进行配置、故障排查并提供可视化及分析功能。
混合阵列供应商Tintri公司亦更进一步,表示将提供面向OpenStack的支持方案。Tintri方面拥有一款Cinder驱动程序,允许用户通过Tintri用户界面对个别Cinder虚拟机及其分卷进行分析。
Tintri公司还表示,其已经获得了红帽企业Linux OpenStack平台生态系统认证,并成为OpenStack基金会的企业赞助商之一。
惠普公司则公布了其Helion OpenStack 2.0,一套面向OpenStack私有云领域的解决方案。根据惠普方面的说法,这套方案能够帮助客户在一套分布式多数据中心环境当中将惠普分布式云网络(简称DCN)与Nuage Networks虚拟服务平台相结合,从而创建并管理自己的软件定义网络(简称SDN)体系。很明显,此次Helion OpenStack更新当中包含了企业生命周期管理、安全、配置灵活性以及软件定义网络等多项因素。
Helion OpenStack 2.0以OpenStack Kilo作为构建基础。而自2012年起即构建在OpenStack基础之上的Helion公有云服务目前已经被全面叫停。
关于OpenStack方面的发展承诺,惠普公司提醒称目前透露出的属于宏观前景,未来将从具体角度出发以Liberty为起点一步步加以实现。惠普方面还表示,其目前在Liberty项目的贡献数量、评论、代码行数、员工推动、项目团队领导(简称PTL)以及技术委员会成员等方面皆处于业界先进水平。惠普公司目前有210名员工在为Liberty贡献代码。
根据我们得到的消息,惠普公司目前为OpenStack白金出资成员及贡献者,而且在多个OpenStack项目当中发挥着重要作用,具体包括资金提供、代码贡献、代码审查、代码测试以及人员培训等等。惠普方面在OpenStack董事会当中占据着一个席位,项目团队领导席位为八个,而在技术委员会中则拥有三个席位。
红帽公司亦发表博文描述了其面向容器技术的OpenStack研发工作内容。
OpenStack似乎已经在我们的技术行业当中受到了普遍推崇出了支持。不过目前对OpenStack的关注更像是出于一种政治正确思路。事实上,还没有哪家供应商对其表达明确的批评意见。目前各相关企业正争相展示自己的信仰与坚持,表示愿意为OpenStack所代表的开源主义理想奋斗终生。
在诞生之后的五年当中,OpenStack基金会已经网罗到了超过500家成员企业,而且目前正在积极利用标准化硬件与软件产品交付云计算方案,从而推动并建立起完整的开源OpenStack代码结构。有趣的是,各家供应商可以通过API接口将自己的产品与之对接,从而在支持开源OpenStack发展的同时帮助自身销售专有设备。
通过将OpenStack管理结构通过赞助关系贯彻到全部白金及金牌成员企业当中,项目基金会将能够继续维持当前的这种良好发展态势。这一切看起来相当踏实,而且每位参与者都能够从中找到合适自己的业务切入点。另外,似乎没有哪位参与OpenStack项目发展的企业会因此受到损害——除非用户在选择其方案后由于某种原因而未能成功实现。
没有任何一家厂商对OpenStack项目提出反对意见,也没有任何单一厂商或者组织对参与OpenStack表示质疑:您支持OpenStack吗?当然——大家不是都支持么?
惠普Helion OpenStack 2.0目前已经在全球范围内正式上线。其具体使用价格取决于实际配置以及客户的具体要求。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。