如今的Linux已经远远超出了服务器市场,将其影响力拓展到Android、智能电视、嵌入式设备到网络交换机等数十亿应用实例当中。除此之外,Linux社区在过去几年中亦得到长足发展。正如Linux基金会执行董事Jim Zemlin提供的数据所显示:
Linux内核的源文件数量已达53000个,代码行为2100万。全球共有3900名开发者为Linux项目工作,每天新增代码10800行。另外,每天Linux移除代码行数为5300行,内核修改行数则达1800行。Linux内核每个小时会出现七到八次变动,且每天如此,全年无休。如此巨大的开发规模在整个软件发展史上亦绝无仅有。
而这还仅仅是内核范畴。Zemlin提醒我们,Torvalds还做出了另一项卓越贡献,即利用版本控制与存储库系统Git及其基础之上的GitHub帮助人们管理这一大规模项目。每一次内核更新都立足于GPLv2许可影响到各大Linux发行版,并由此给最终用户带来体验转变。
Linux供应商无需为内核付费,那么Torvalds这位技术大牛要如何生存?他受雇于Linux基金会,担任核心贡献者与管理者,而与英特尔、红帽、三星、Suse、IBM、谷歌及AMD等技术巨头则在资助该基金会的同时为Linux项目贡献着数百万行代码。
虽然从理论层面讲,Torvalds需要向Zemlin报告,但后者用父女关系解释了双方的合作方式:“像我的女儿一样,Linus也很可爱、很聪明,但无论是Linus还是我女儿都不会太重视我的意见。”
Zemlin乐于弱化自己的作用,并表示“我只是滚滚向前的历史车轮的一名监督者。”但是,Linux基金会自身的重要性一直在不断提升——除了Linux内核之外,其还掌握着众多能够决定企业计算未来发展方向的重要成果。
以Linux基金会的开放容器倡议(简称OCI)为例。公平地讲,过去几年当中Docker带来的Linux容器技术带来了无与伦比的巨大影响。在OCI的推动下,云原生计算基金会亦承诺在下一代企业云环境中协调容器管理与编排解决方案的协作关系,并以谷歌的Kubernetes为核心组成部分。
Zemlin对于目前基金会旗下快速增长的Hyperledger项目极为关注,这是一套基于区块链技术的企业级开放账目系统,适用于处理各种交易活动。“区块链拥有着改变互联网领域受信交易属性的潜力,”他指出。“除此之外,它还能够对联网设备的安全性加以保障,允许大家在互联网上使用值得依赖且高度安全的持久加密安全记录。这无疑是个庞大的工程。”
另外,各类开放网络项目的涉及范围之广亦值得关注。将各类成果加以结合,我们已经能够隐隐窥探网络技术的未来走向:OpenDaylight、Open Network操作系统、Open Orchestrator项目、Open Platgorm for NFV、Open vSwitch以及OpenSwitch等等。
随着Linux迎来发展中的第二十五个年头,我们不仅应当肯定其作为操作系统本身所贡献的巨大价值,同时亦需要关注它给整个开源文化及社会认同带来的显著影响。事实上,开源如今已经成为技术发展的重要根据地。
Linux拥有一整套庞大且活跃的贡献者、供应商以及用户生态系统。但在此基础之上,Linux与Apache等基金会的出现让开源项目成为一种具备普适性的技术发展载体,甚至影响到了企业计算的立足根基。相较于最初十年的徘徊与探索,如今的Linux乃至整个开源社区不仅稳固健康,同时亦真正得到全世界人们的认可与尊重。
好文章,需要你的鼓励
埃森哲投资AI零售平台Profitmind,该平台通过智能代理自动化定价决策、库存管理和规划。研究显示AI驱动了2025年假日购物季20%的消费,约2620亿美元。部署AI代理的企业假日销售同比增长6.2%,而未部署的仅增长3.9%。Profitmind实时监控竞争对手价格和营销策略,并可创建生成式引擎优化产品文案。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
日立公司在CES 2026技术展上宣布了重新定义人工智能未来的"里程碑式"战略,将AI直接应用于关键物理基础设施。该公司与英伟达、谷歌云建立重要合作伙伴关系,并扩展其数字资产管理平台HMAX,旨在将AI引入社会基础设施,变革能源、交通和工业基础设施领域。日立强调其独特地位,能够将AI集成到直接影响社会的系统中,解决可持续发展、安全和效率方面的紧迫挑战。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。