在华为全联接2021上,面向数字基础设施的开源操作系统欧拉(openEuler)全新发布。欧拉操作系统可广泛部署于服务器、云计算、边缘计算、嵌入式等各种形态设备,应用场景覆盖IT(Information Technology)、CT(Communication Technology)和OT(Operational Technology),实现统一操作系统支持多设备,应用一次开发覆盖全场景。
欧拉全新发布
华为计算产品线总裁邓泰华表示,操作系统“碎片化”现状,导致数字基础设施产生大量“软烟囱”,带来生态割裂、应用重复开发、协同繁琐的挑战,数字化新时代,呼唤新的统一操作系统。
在ICT领域,华为提供服务器、存储、云服务、边缘计算、基站、路由器、工业控制等产品和解决方案,都需要搭载操作系统,所以华为一直在构建能力,旨在通过统一的操作系统架构来满足不同应用场景的需求。
本次欧拉全新升级,同时支持服务器、云计算、边缘计算、嵌入式等各种形态设备的需求。支持多样性计算,致力于提供安全、稳定、易用的操作系统;并通过为应用提供确定性保障能力,支持OT领域应用及OT与ICT的融合。至此全新发布的欧拉操作系统可覆盖从IT、CT到OT数字基础设施全场景。
欧拉:数字基础设施开源操作系统
欧拉创造性的提出全栈原子化解耦,支持版本灵活构建、服务自由组合,通过一套架构灵活支持南向多样性设备,北向全场景应用。
统一操作系统,支持多设备:
提供多设备协同套件,包括“边云”协同,统一数据、网络和管理;集群多节点协同,可支持PB级内存池,实现不同设备之间的能力互助和资源共享,发挥硬件最优性能。
应用一次开发,覆盖全场景:
欧拉Devkit提供跨设备开发向导、自动测试平台等插件,并可方便的集成到主流的应用开发平台。
欧拉与鸿蒙能力共享 生态互通
欧拉和鸿蒙已经实现了内核技术共享,未来计划在欧拉构筑分布式软总线能力,让搭载欧拉操作系统的设备可以自动识别和连接鸿蒙终端。后续进一步在安全OS、设备驱动框架、以及新编程语言等方面实现共享。通过能力共享、实现生态互通,“欧拉+鸿蒙”更好的服务数字全场景。
本次大会正式发布了第一个支持数字基础设施全场景的openEuler 21.09创新版本,将于9月30日在社区上线。该版本不仅对服务器和云计算场景能力进行了增强,还实现了对于边缘计算和嵌入式场景的支持。2022年一季度,欧拉开源社区将发布支持全场景融合的社区LTS版本,使能合作伙伴面向不同场景发布商业发行版。
欧拉自开源以来获得产业界的积极支持和响应,是中国最具活力的开源社区。截至目前,已有超过6000名开发者和100多家企业、高校、组织和机构加入欧拉社区,汇聚从处理器、整机、操作系统发行版厂商、到行业应用等全产业链,十多家主流操作系统系统领军企业发行基于欧拉的商业版本。欧拉的全新发布将吸引更多云、边缘、嵌入式领域伙伴加入社区,共同加速欧拉在数字基础设施全领域的广泛应用。华为将始终坚持在基础软件上的长期投入,联合全产业链合作伙伴,共同构建开放共赢的操作系统开源生态。
华为于2021年9月23-25日在线上举办华为全联接2021,大会以“深耕数字化”为主题,汇聚业界思想领袖、商业精英、技术大咖、先锋企业、生态伙伴、应用服务商以及开发者等各方,探讨如何深入行业场景,把数字技术与行业知识深度结合,真正融入政企的主业务流程,解决核心业务问题,催生体验提升、效率提升以及模式创新;并发布场景化的产品与解决方案,分享客户伙伴的最新成果与实践,构筑开放共赢的健康生态。欲了解更多详情,请参阅:https://www.huawei.com/cn/events/huaweiconnect
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。