浪潮以黄金会员身份参加OpenStack波士顿峰会,与来自全球各地的社区成员、应用开发者、云基础设施与服务提供商以及各领域用户,共同探讨了OpenStack的技术发展、商业进程与生态构建。峰会期间,浪潮展示了最新发布的OpenStack发行版云海OS 5.0,分享了在多个行业中的OpenStack项目实施经验。

浪潮在OpenStack Summit展台
从历年峰会可以观察到的显著变化是,OpenStack在社区建设与组件完善上取得了令人瞩目的成就。目前OpenStack社区有来自186个国家和地区的700家企业和机构参与,贡献代码超过2000万行,是世界上发展最快的开源社区。同时,OpenStack对一些广受关注的技术,如Docker、OVS、NFV、Spark等的支持力度更高、兼容性更好,致力于成为云技术的"集成引擎",让"世界运行在开源架构之上"。可以说,随着社区规模持续扩大和技术不断完善提升,未来OpenStack的商业化进程将会更快,这从近两年西班牙国际银行、英国Sky广播公司、中国移动、中国电信等越来越多的用户亮相峰会就可略窥一斑。

OpenStack Summit大会现场
OpenStack云海OS 5.0海外首秀
在此次峰会上,浪潮展示的云海OS 5.0是浪潮面向下一代云数据中心和云原生应用开发的智慧云操作系统,它全面基于OpenStack架构,并提供卓越的功能性(Functionality)、可用性(Availability)、安全性(Security)和工具化(Toolchain)优势,进一步扩展云服务目录,采用微服务架构,支持Docker快速部署,实现用户业务的自动感知、资源的智能管理和服务的自动化交付。
浪潮集团副总裁彭震表示,推动开源技术普惠是驱动浪潮积极参与OpenStack的重要因素。浪潮将秉承"源于开源、高于开源"的理念,通过不断创新推出更加成熟、易用的OpenStack产品,帮助全球用户构建开放的云基础设施,并在此基础上以智慧计算促进数字化转型,实现商业上的成功。
智慧计算是浪潮未来最看重的战略级市场,它包含了云计算、大数据和深度学习,即 "以云计算为基础平台,以大数据为认知方法,以深度学习为优化工具"。而作为智慧计算的基础平台,浪潮在云计算业务上将充分发挥计算、存储和网络硬件层和云数据中心操作系统软件层的全布局优势,向客户交付完整的云基础设施。
回馈开源,加速OpenStack技术普惠
目前,浪潮云海OS已经成功应用于政府、能源、电信、环保、教育等行业超过2000+企业用户。在推动OpenStack实践上,浪潮在某银行实施了国内最大规模基于OpenStack部署的金融生产云,规模接近1000个物理节点,创新性的实现了互联网金融业务与OpenStack开源云平台的深度结合,确保了业务快速创新、快速部署、快速上线。光大证券也与浪潮合作新建OpenStack环境,将原有的虚拟化集群和新建虚拟化环境统一纳入浪潮云海OS云平台管理,实现1000台物理服务器规模的数据中心管理。
同时,浪潮也入选了美国CIOReview杂志评选的"2017全球20家最具发展潜力OpenStack解决方案供应商"。
浪潮在OpenStack社区的活跃度与贡献度也增长明显。在最新Ocata版本中,浪潮在Sahala组件Commit贡献排名第2位,在核心组件NOVA和NEUTRON的Review贡献分列第9和第10。未来,浪潮将进一步提升OpenStack社区贡献率,更好的回馈开源。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。