中国北京—2022年2月16日—世界领先的开源解决方案供应商红帽公司日前宣布,红帽OpenShift容器存储(Red Hat OpenShift Data Foundation)现已包含到红帽OpenShift平台Plus中,将数据服务(包括软件定义的存储)整合到行业领先的企业Kubernetes平台中,形成一个统一的解决方案。红帽OpenShift平台Plus提供了一个完整且开箱即用的多云Kubernetes堆栈,满足开发人员和应用开发专业人员的关键需求。红帽OpenShift容器存储的加入为开发人员提供了一个具有持久化存储的一致性数据平台,可以跨云环境和基础架构部署,而且它还结合了IT运维团队的数据管理能力。
Kubernetes是容器编排的事实标准,并为大规模编排提供了强大的引擎,但它需要额外的组件来真正满足企业构建和运行现代应用的需求。红帽OpenShift平台Plus汇集了必要的功能,为Kubernetes集群(甚至不同云基础架构)的整个软件生命周期提供防护、保护和管理应用的一致方法。
红帽OpenShift平台Plus包括:
借助红帽OpenShift平台Plus,企业可以通过单个解决方案,利用其工具和功能加速云原生计划的实施,并在整个混合云(包括边缘)中采用DevSecOps。
为容器和混合云设计的数据服务
现代的云原生应用需要集群数据管理服务,这些服务不仅能为混合和多云环境中的工作负载提供更加一致的体验,而且能够根据需求的变化而动态扩展。通过将红帽OpenShift容器存储集成到红帽OpenShift 平台Plus中,企业能够访问其容器环境内通用的数据服务,这将有助于防止存储孤岛的出现。红帽OpenShift容器存储4.9是该存储解决方案的最新版本,其中包含的新功能可帮助企业更快、更高效地开发和部署应用,包括:
上市时间
红帽OpenShift平台Plus现已上市。已订阅该产品的客户会收到作为订阅一部分的OpenShift Data Foundation Essentials,不需额外付费。
带有红帽OpenShift Data Foundation Advanced可执行文件的红帽OpenShift Platform Plus也立即可用,该产品在OpenShift Data Foundation Essentials的能力中增加了高级安全功能、多集群工作负载支持、灾难恢复以及单机和混合使用存储支持能力。
支持证言
Joe Fernandes,红帽云平台副总裁兼总经理
“随着企业部署多样化的应用,以满足全球经济不断变化的需求,在保持IT安全的同时快速实现大规模创新至关重要。红帽OpenShift Platform Plus针对企业需求提供了量身定制的Kubernetes创新,同时还提供了额外的一组功能,例如管理、增强的安全功能,以及开箱即用的存储,从而满足基本Kubernetes服务无法满足的常见生产需求。”
Teguh Wahyono,Pegadaian信息技术与数字业务总监
“借助红帽OpenShift和红帽OpenShift容器存储,我们能实现应用现代化,加快创新,更快、更可靠地部署新的服务。我们的开发人员能够提高IT服务的交付速度,使IT服务与业务需求更加匹配,并为客户部署相关解决方案。此外,通过与红帽合作,我们能够创造一种开源文化,鼓励我们的开发人员和业务部门推动创新。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。