4月7日,软件定义存储初创公司XSKY在金隅喜来登发布了两款新产品X-EBS和X-CBS。发布会上,国际企业级开源领袖厂商红帽软件(Red Hat)大中华区总裁张先民博士登台致辞,分享了红帽对存储生态系统的高瞻远瞩,并且高调宣布与XSKY建立战略合作伙伴关系。
说起红帽,是年业务额达20亿美金的全球开源软件巨头;谈到张先民博士,说他是中国开源事业的先行者,业内外应该没有异议。张先民博士二十余年前在美国IBM总部从事mainframe大型机的架构技术工作,十六年前被蓝色巨人派驻中国推进Linux生态,十年前始任Novell大中国区总经理,2012年,接任红帽软件大中华区总裁。张先民先生见证和推动了中国开源事业从萌芽到蓬勃发展的历程,长者风范,门生无数。他长期以治军严明、服务关键行业客户谨慎负责而著称。此次XSKY发布会,张博士代表红帽官方高调为一个国内初创企业站台,在业内人士的记忆中应该还是第一次。
张先民博士的演讲回答了听众心中的几个疑问。
第一个问题:为什么企业用户需要红帽这样的开源伙伴?
张先民博士的演讲中提到,全球有数百万记的开源项目,很多优秀的开源产品为大型互联网公司和运营商所用,投入大量的研发工程师和运维人员,支撑海量并发业务。——开源生态系统就像大海一样浩瀚,但海水是无法直接饮用的。红帽的工作就是帮助客户甄别优秀的开源项目,精细加工,保证QA,提供最长达10年的产品生命周期保证及7*24小时的售后服务支持,这样将海水变成瓶装的纯净水,让IT投入有限的传统企业也能够利用到开源,享受到开源快速创新、适配先进硬件、最大程度避免“厂商锁定”的好处。
第二个问题:为什么红帽大力投入软件定义存储?
正如二十多年前红帽“押注”在当时“弱势”、“小众”的Linux,红帽坚信在通用平台上构建开源的基础架构设施是数据中心变革的方向和趋势。红帽在过去10年并购了很多优秀的开源平台,如2006年收购主流的开源中间件JBoss,2008年收购KVM虚拟化核心技术的拥有者Qumranet,2012年收购云管理平台ManageIQ。红帽是Linux操作系统和OpenStack云操作系统全球最大的贡献者之一。
存储是数据中心“数据”最重要的载体,正在发生从私有“黑盒子”到通用SDS的变革。红帽在2011年收购流行的分布式文件系统GlusterFS,更是在2014年4月30日,以1.75亿美元的价格将Ceph的企业级产品提供商Inktank收入囊中。Ceph创始人Sage Weil成为红帽首席存储科学家。——红帽再次在存储软件基础设施领域进行不计成本的投入。
张先民博士引用了多个国际知名IT咨询机构的数据表达了自己的观点:“软件定义存储正在引领全球存储行业的转变,具有深远的影响”。Gartner在名为“IT Leaders Can Benefit From Disruptive Innovation in the Storage Industry”的报告中讲到:“2016年,基于服务器的存储方案使存储硬件成本降低50%以上。”Innovation Insight断言:“到2019年, 70% 现有存储阵列产品将都具有相应的软硬件解耦方案。”著名调研机构IDC甚至给出了今后数年软件定义存储平台的市场整体规模详细预测。
可见,红帽对于软件定义存储的看好与投入系深思熟虑,有的放矢之举。
第三个问题:为什么要和XSKY合作?
谈到红帽与XSKY两家为什么要战略合作呢?张先民博士认为原因在于以下这两个方面。
第一, 两家厂商方向一致,当前处于共同开拓市场阶段。
红帽作为Ceph原厂,在Ceph开源社区贡献第一位,而XSKY作为一家中国人的公司,在社区贡献位居第二位。张先民博士说“作为中国人,我为此感到骄傲”。在软件定义存储,特别是开源的软件定义存储领域,两家“目标一致”,携手培育市场,引导客户。在张博士与XSKY团队的交流中,他多次提到,现在IT圈子,很多公司都是“竞争与合作关系的并存”,当前两家“合大于竞”,勠力同心,取得共赢。
第二, 优势互补,在中国为客户提供更好的价值。
张先民博士在演讲中提到了XSKY团队具备很好的企业级存储产品研发经验,加上电信、金融、政府与公用事业、高科技制造等行业客户对红帽品牌的高度认知和长期信心,双方结合,必将为客户提供更好的价值。据悉,红帽全球与XSKY近期签订了Embedded Partner的战略合作协议,大概意思XSKY将会有一款内嵌红帽企业Ceph的存储解决方案,可供中国企业用户选择。红帽将为这款合作方案在后端为XSKY提供必要的深度产品技术支持。
可以期待这是一个充实的,技术公司与技术公司之间的合作,为客户和国内开源产业展现一个充满前景的未来。
(本文附图来自红帽张先民博士的现场演讲胶片截图,版权属红帽软件官方和有关咨询机构所有)
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。