ZD至顶网CIO与应用频道 11月28日 国际报道:根据美国管理及预算局称,美国政府每年花费大约60亿美元在软件许可和维护上。
考虑到这个开支的规模,美国和全球其他主管部门一样,正在考虑开源软件和开放软件标准来节约成本也就不足为怪了。
但是除了把开源作为一种节约成本的手段之外,全球的公共政府也将开源视为一种在公共领域加速创新的途径。
10月的时候,荷兰政府将一项关于所有政府机构都应该从2017年开始使用开放文档格式的建议批准作为一项法律规定。
开放文档格式市一中数字文件类型,符合开放标准要求,是一系列技术软件规范,鼓励开放和专有的软件应用彼此之间进行无缝集成。
例如,开放文件类型.odt兼容专有的微软Office和开源的OpenOffice以及LibreOffice。
6月,美国政府通过了Megabyte Act法案,旨在简化软件许可支出,每年一个内部机构可以节约高达1.81亿美元。
8月,美国政府发布了一项新的联邦软件政策,旨在通过推广使用开源来提高政府的效率、透明度和创新。
在很多方面,这些软件许可是政府IT的症结所在。在欧洲,政府机构极力推动技术公司的公共责任,敦促他们支付合理份额的税费,同时他们也依赖于这些企业的技术来保证其部门的运转。
避免与许可合同捆绑到一起,是政府机构将他们与技术公司分离的方法之一。
“开源美国”(Open Source for America)这一组织联合主席、公共技术顾问Kane McLean表示:“你制造了一种锁定的局面,在这种情况中,X公司开发技术,只有他们知道数据和数据库本身之间如何很好地协同。”
据彭博社报道称,在英国政府在2014年实施开放标准计划之前,微软曾威胁要将微软实验室迁出英国。
采取这种策略通常意味着不能使用专有软件,而是选择开源软件。作为持续的开放标准计划的一部分,那些希望设立新服务的英国政府机构,必须避免那些要求他们使用专有软件的软件许可。
微软Office套件是政府维护的最贵的软件许可,政府正是微软最大的客户。虽然微软向政府收取的费用未对外公开,但是微软365套件的企业消费者价格在2015年底增长了59%。
根据iTnews的数据,2016年澳大利亚政府在软件台式机许可上的支出增长了33%,相比往年有了显著增长。从2016年中到2019年中,澳大利亚财务部每年要花费6700万澳元(5000万美元)在微软许可上。
一些大型技术公司例如Facebook和Google都致力于发扬开源精神。为了支持开放文档格式的需求,几年前微软推出了.docx格式,兼容大多数的文本程序。
随着政府越来越多地传播信息和提供在线服务,他们需要将新网站新应用与老网站老应用连接起来,并且这都是跨部门的。为了避免对旧代码进行重新编写适应新的应用,政府鼓励开发者使用内嵌了开放标准的软件。
在政府中采用开源的主要目标是尽可能地方便于数据的顺畅传输。开放标准的支持者说,这种方面将会在政府内带来更多创新,提供更好的市民服务。
“数据库本身与数据交织在一起,数据与数据库紧密相连,他们几乎是不可分离的,所以如果你非常了解数据和数据库,那么就会知道,重新改写是非常困难的一项挑战,”开源美国组织的McLean这样表示。
荷兰新法律的支持者Astrid Oosenbrug表示,开放文档格式将会改善从政府到市民的信息共享,让政府在选择IT提供商方面有更高的自由度。与此同时,使用开源软件将会改善软件行业的竞争局面,她说。
McLean表示,他的组织看到有越来越多更小规模的项目成为联邦IT这个主要系统的其中一部分,这在采用开放标准以前是从未有过的。
“这很棒,当你让竞争环境变得更平等,消除障碍,人们就会希望参与其中,他们有很多奇妙的想法。”
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。