2023 年 9 月 26-28 日,由 Linux 基金会、云原生计算基金会(CNCF)主办的 KubeCon + CloudNativeCon + Open Source Summit China 将在上海跨国采购会展中心隆重召开。作为全球顶级的开源和云原生盛会,本届大会以“云赋创新,无处不在”为主题,聚焦安全、网络+边缘、Open AI+数据等技术热点,邀请全球顶级技术专家、开源社区领袖和企业代表,共同探讨最新的开源云原生技术洞见、最佳实践以及来自全球的创新案例。
SUSE 作为全球企业级开源解决方案领导者,将为众多开发者们带来多场重磅演讲和展示。
三场重磅分享,聚焦云原生与安全
9 月 27 日,周三
演讲主题:实现云原生应用的零信任安全自动化
时间:11:00-11:35
地点:3 层,301 明珠厅
演讲嘉宾:
Raul Mahiques,SUSE 安全技术市场经理
Erin Quill,SUSE 安全技术市场经理
9 月 28 日,周四
演讲主题:云原生技术与文化背景:如何跨境实现业务价值最大化
时间:11:00-11:35
地点:2 层,3 号会议室
演讲嘉宾:Katerina Arzhayev,SUSE 边缘业务运营总监
9 月 28 日,周四
演讲主题:Longhorn:介绍、深入探讨与问答
时间:11:00-11:35
地点:3夹层,5B 会议室
演讲嘉宾:David Ko,SUSE资深工程经理
多个展台,精彩纷呈
SUSE 白银赞助商展位:1 层解决方案展区 S7
工程师们将为您展示 SUSE 最前沿的解决方案,分享最新产品特性;与您深度探讨云原生技术发展趋势,企业容器管理、容器安全以及在边缘场景的典型应用等话题。
K3s Kiosk:1 层 CNCF 项目馆 F18
K3s 是一款轻量级、高可用的 Kubernetes 发行版,能够满足在边缘计算环境中运行 Kubernetes 集群的需求。K3s 由 Rancher 推出,并作为沙箱项目捐献给 CNCF。
大会期间,K3s 的 Maintainer Rancher 中国社区技术经理王海龙将与您在展台深度交流。
Longhorn Kiosk:1 层 CNCF 项目馆F8
Longhorn 是一个基于 Kubernetes 构建的云原生分布式块存储解决方案,解决了 Kubernetes 存储复杂性的问题。Longhorn 由 Rancher 发布,于 2019 年捐赠给 CNCF,如今已升级为 CNCF 的孵化项目。
大会期间,Longhorn 的两位 Maintainer SUSE资深工程经理 David Ko和SUSE高级软件开发工程师吴硕,将与您在展台深度交流。此外,David Ko 还将围绕 Longhorn 的功能特性发表主题演讲。
9 月26-28 日,SUSE 在上海 KubeCon 等你来!
SUSE简介
SUSE 是全球范围内创新、可靠且安全的企业级开源解决方案领导者,财富 500 强中有 60% 以上的企业依靠 SUSE 为其关键任务的工作负载赋能。SUSE 专注于企业级 Linux、企业容器管理和边缘解决方案,通过与合作伙伴和社区合作,帮助客户随时随地在任意场景进行创新——无论是在数据中心、云端还是边缘环境。SUSE 让“开源”重新“开放”,使客户能够灵活地应对当今的创新挑战,并能够自由地在未来发展其 IT 战略和解决方案。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。