2016年12月21日下午,由红帽携手Intel、云达科技和ZD至顶网共同举办的主题为《开放·融合·开源开启存储新世界》2016中国开源企业存储峰会在上海·龙之梦万丽酒店举行,红帽大中华区总裁张先民博士在峰会上致辞。
计算机在这一百年当中大概分为三个阶段。第一个阶段是大机时代,第二个阶段是PC时代,第三个就是目前的云计算和大数据时代。张先民博士认为第三阶段的引领创新就是开源技术为代表的创新。
同时也看到在中国,开源的发展更成为星火燎原之势,在中国也受到了政府、企业、个人把开源推到风口浪尖上面。在2016《国家信息化发展战略纲要》指出:鼓励企业、科研机构、社会组织和个人积极融入国际开源社区。
以下是演讲实录:
张先民:各位早上好,请让我先代表红帽公司欢迎并感谢今天到场的各位企业客户、合作伙伴、媒体及热爱开源事业的朋友们。
我们计算机大概使用在商业应用已经有一百年的历史,创新模式有一个根本性的改变,计算机在这一百年当中大概分为三个阶段。第一个阶段是IBM大机时代,第二个阶段是PC,第三个就是目前的云计算和大数据时代。在大机时代,那个时候IBM开发所有的硬件、软件,所有机器里面的知识产权都是IBM所拥有的,后来第二个阶段五家IT巨头掌控了整个IT的发展,他们所开发的所有硬件、软件也都是有知识产权的,在这两个阶段我们叫做专有的创新。但目前跟这些巨头关系不大了,他们也都参与,这些东西有一个共性,也就是说,他们所有的东西都是开源的,也就是说,创新的模式有一个根本性的改造变成开放的创新,目前是开放的创新在引领着整个IT的变革。过去两三年IT巨头们日子都不好过业绩也下滑很厉害,最主要IT是讲创新的,谁引领创新谁就拥有话语权,当他失掉话语权,秋收失去定价能力,所以业绩大受影响。所以开放技术发展趋势已经不可挡,这是全球的趋势。
我们再看看在中国,开源的发展更成为星火燎原之势,在中国也受到了政府、企业、个人把开源推到风口浪尖上面。首先看一下政府,政府在2016《国家信息化发展战略纲要》指出:鼓励企业、科研机构、社会组织和个人积极融入国际开源社区。也就是说,在政府的文档上面,公开的要求这些单位、科研机构、企业甚至个人融入国际开源社区。同时在国家信息化系统里面,安全、自主、可控的指导原则下,开源技术也扮演者日益重要的角色。
那我们看看企业,两个月前,QpenStack最新版本newton发布,21家国内企业上榜。包括中国移动、中国电信、华为、中兴、浪潮等几家公司,也就是说,QpenStack发展,中国这些企业也扮演着非常重要的角色。那在个人来讲,全球QpenStack开发者人数最多的两个城市是北京和上海。也就是说,中国人已经在QpenStack发展上已经占有了主导的地位。
在每年一些来自传统行业的企业开源创新实践,都让人感到印象深刻,索伊美一年红帽都会颁发红帽亚太区创新奖,来表彰每一年使用开源技术方案的创新典范。在去年这五家企业获得了红帽的奖项,包括中国石油、中国银行、招商银行、深圳证券交易所及华为,这五家是在中国各行各业的龙头企业,他们大量的拥抱开源,大量的使用开源,不是在边缘应用。
今年的奖项我们颁发给联想、首都在线、兴业银行、中兴、台湾的英业达、台湾的中国人寿、香港东方海外航运。在10月25日我们在北京,把这个奖项颁给了联想和首都在线,在11月1号我们把这个奖项颁给了东方海外航运,在香港,11月3号我们在深振业把奖项颁发给中兴、兴业银行,上个礼拜我们把这个奖项颁在台北发给中国人寿和英业达。
开源是一种崭新的工作方法,它的工作方法,基本上从思想上,发展上,文化上都不一样,它最重要是重载参与,也就是说,开源不管是QpenStack也好,都是很多很多企业和个人一起参与,集众人智慧把它变得更好一点。我们中国古话有一句话,众人拾柴火焰高,在热爱开源事业的开发者和企业伙伴努力下,开源已经引领目前IT的发展,也就是说,目前IT的创新是来自开源,不是来自某几个大的公司,而基本上是所有重要的企业和个人,而这就是参与的力量。最后感谢大会取得圆满成功。
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。