甲骨文公司宣布与全球知名开源解决方案提供商红帽公司 (Red Hat, Inc.) 建立多阶段联盟,以扩展 Oracle 云基础设施远程软件服务 (Oracle Cloud Infrastructure, OCI) 支持的操作系统,为客户带来广泛的选择。这项战略合作始于支持红帽企业 Linux (Red Hat Enterprise Linux) 在 OCI 上作为操作系统运行,为那些依靠 OCI 和红帽企业 Linux 来推动数字化转型和将关键任务应用迁移到云的企业提供更好的体验。
根据 Gartner 《预测:2020-2026 年全球公有云服务(2022 年第四季度更新)》指出,“全球公有云服务预计将在 2023 年增长 18.5%”,同时“企业继续加速上云,推动高达 19.6% 的五年复合年增长率”。[1]这种增长表明了客户需要广泛的选择空间,包括自由选择云供应商和云环境所支持的操作系统。

目前,大部分财富 500 强企业正在使用红帽和甲骨文的解决方案。其中,大部分企业将红帽企业 Linux 用作操作系统基础,并通过 OCI 获取高性能的关键任务云服务,以支持数字化运营。现在,这些企业能够通过在 OCI 上运行的红帽企业 Linux 来实现云运营标准化,让客户能够获得从数据中心延伸到 OCI 分布式云技术的通用平台。
通过这一战略合作,经认证的 OCI 灵活虚拟机配置可以运行红帽企业 Linux,客户也可以更有信心地将原本基于红帽企业 Linux 运行的工作负载顺利迁移到在 OCI 上运行的红帽企业 Linux。OCI 灵活虚拟机支持低至单个 CPU 的扩展,可优化性价比并减少资源浪费。客户还可以享有红帽和甲骨文共同提供的支持服务,以解决潜在问题。
红帽企业 Linux 是红帽混合云技术组合的主干,该技术组合包含红帽 OpenShift (Red Hat OpenShift)、红帽 Ansible 自动化平台 (Red Hat Ansible Automation Platform) 和其他技术,以支持现代云原生堆栈。现在,红帽和甲骨文公司的共同客户可以为面向未来的红帽企业 Linux 计算部署奠定基础,同时仍然保留现有 IT 投资的价值。
可用性
红帽企业 Linux 现已在 OCI 灵活虚拟机上获得认证,在扩展方面,该虚拟机的单个 CPU 支持 1 - 80 个 CPU 核心以及 1 GB - 1024 GB 内存,具体取决于处理器。新的 OCI 虚拟机配置通过 AMD、Intel 和 Arm 处理器支持红帽企业 Linux。
请点击此处,了解有关在 OCI 上启用红帽企业 Linux 的更多信息,包括分步指南。此外,我们已计划在 OCI 裸金属服务器上认证红帽企业 Linux,进而提供与本地部署环境类似的隔离程度和性能。
关于红帽企业 Linux
红帽企业 Linux (Red Hat Enterprise Linux) 为混合云创新提供了灵活而稳定的 Linux 基础。该平台旨在更快、更高效地构建、部署和管理应用和关键工作负载,并提高物理云、虚拟云、私有云、公有云和边缘部署之间的一致性。在开发阶段,该平台提供了将安全性和合规性功能构建到基础架构中的功能;在整个生产生命周期中,该平台提供了更容易维持稳定性的途径。无论选择在何处运行,IT 组织都可以使用一个支持创新并可提高内部运营效率的平台,更加自信地运营。
关于 OCI 分布式云技术
OCI 分布式云技术为客户提供了云的优势,以更好地控制数据驻留、本地性和主权,甚至跨多个云进行管理。OCI 分布式云技术具有以下特性:
专有云:OCI 提供专有区域,供客户在自己的数据中心内运行所有甲骨文云技术,而 Oracle Alloy 将帮助合作伙伴为客户定制云服务和体验。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。