开源软件被视为商业创新的重要驱动力，越来越多的企业正在采用开源模式进行软件开发和商业创新。带着对全球开源市场和企业数字化创新的期待，我们与 SUSE亚太及大中华地区 CTO Vishal Ghariwala 展开了一场深度对话。

在保障数据保护、应用弹性和数据合规性基础上赋能用户加速向云计算过渡

提及CDO，行内人并不陌生。作为一个新型管理者，在各大媒体、大V齐刷刷的宣传下，曾被誉为企业数智化转型的救世主。

过去几年里，区块链技术不断发展，进入了各种科技舞台，而在中本聪白皮书发布的十年间，区块链5.0已经面世。

IBM Watson将可应用到任意云平台，从而使企业能够突破云提供商的限制，在数据存储的任何地方灵活地部署AI。

英伟达宣布扩展智能AI模型产品线，推出RTX Pro 6000 Blackwell服务器版GPU，为企业提供高性能AI推理能力。公司发布两款新推理模型Nemotron Nano 2和Llama Nemotron Super 1.5，用于构建更智能的AI代理。此外，英伟达还推出Cosmos Reason视觉语言模型，为机器人和物理AI提供视觉推理能力，使机器能够像人类一样思考和规划行动。

IBM大中华区车库创新体验中心主管鱼栋告诉记者，IBM车库创新方法论是IBM在过去多年来对自身创新实践的总结，以最小应用场景开始，经过不断迭代，帮助企业打造开放协作、持续学习的文化，并推动业务成果的实现，最终推动以用户为中心的价值链重塑。

最佳软件定义网络解决方案

经欧拉开源社区技术委员会决议批准，由 SUSE 创建的 RFO SIG 正式成立。RFO 即 Rancher for openEuler，旨在将 Rancher 产品生态与 openEuler 深度结合，为欧拉开源社区构建容器工程基础设施，打造面向 openEuler 的 Rancher 衍生产品。

一些 GPU 厂商（不是只有 NVIDIA 一家这么做）将将多个 DDR 芯片堆叠之后与 GPU 封装到一起 （后文讲到 H100 时有图），这样每片 GPU 和它自己的显存交互时，就不用再去 PCIe 交换芯片绕一圈，速度最高可以提升一个量级。这种“高带宽内存”（High Bandwidth Memory）缩写就是 HBM。

OpenAI创始人Sam Altman预测，到2025年AGI（通用人工智能）将实现，AI将加入劳动力大军，彻底改变企业运作方式。然而，这一大胆预测引发争议。虽然AGI短期内难以实现，但AI确实将以各种形式融入工作场景。微软、Salesforce等巨头凭借数据和用户优势占据有利地位，OpenAI则专注于提升AI推理能力。未来企业需要重视员工AI培训，以适应这场科技变革。

随着AI和生成式AI的快速普及，组织在数据处理和应用架构方面面临新挑战。传统集中式架构难以满足现代AI应用的性能需求，推动AI能力向数据生成和决策制定的边缘位置转移。边缘AI部署面临带宽限制、GPU资源需求和运营复杂性等挑战。F5应用交付和安全平台等解决方案通过统一控制和可视化管理，为分布式AI环境提供一致的安全策略和流量管理能力。

12月29日,OpenHarmony技术俱乐部再添重将——在多方见证下,厦门大学OpenHarmony技术俱乐部在翔安校区益海嘉里楼报告厅正式揭牌成立,现场出席领导及师生代表近千人。

人工智能(AI)凭借自身强大的数据处理与复杂问题解决能力，成为指导电网转型的中坚力量。

站在新时代的潮头，广州将如何更进一步？会上，一系列人工智能和数字经济重磅举措正式发布：

这篇文章介绍了马里兰大学研究团队开发的BLEUBERI方法，该方法惊人地发现被认为过于简单的BLEU评分系统在指导大语言模型遵循指令方面非常有效。研究表明，当使用高质量参考答案时，BLEU与人类偏好的一致率可达74.2%，几乎与复杂的奖励模型相当。基于此，团队开发的BLEUBERI方法在多个基准测试中表现与传统奖励模型方法相当，且在事实准确性方面表现更佳。这一发现为语言模型对齐提供了更经济高效的途径，无需大量人类标注数据和复杂的奖励模型训练。

随着网络从使用基于频分双工（FDD）的通信链路发展到使用时分双工（TDD），不仅出现了频率方面的需求，同时还产生了对精确相位和时间同步的需求。

Alchemist是一项由Yandex研究团队开发的创新方法，能将公开文生图数据转化为高效微调资源。研究者利用预训练扩散模型作为数据质量评估器，从海量图像中精选出仅3,350个高价值样本创建数据集。实验表明，这个紧凑数据集能显著提升五种Stable Diffusion模型的生成美学质量和图像复杂度，同时保持风格多样性。研究不仅开源了数据集，还公开了微调模型权重，为AI社区提供了替代专有微调管道的开放解决方案。

代理式AI是继生成式AI后的新兴技术趋势，通过软件"代理"自动化复杂任务执行。与生成内容的生成式AI不同，代理式AI专注于执行操作。该技术将在两个方面影响数据中心：首先，随着48%的技术领导者已在使用代理式AI，这将增加LLM推理需求，进一步推动数据中心容量需求；其次，AI代理可能革新数据中心管理，自动化工作负载重新部署、性能优化和网络流量路由等任务，提升运营效率。

印度理工学院团队推出EKA-EVAL评测框架，首次实现对AI大模型的全方位多语言评估。该框架整合35个评测任务，专门支持22种印度官方语言，涵盖推理、数学、工具使用等核心能力。相比现有英语中心的评测工具，EKA-EVAL填补了多语言AI评估的重要空白，为全球语言多样化地区的AI发展提供了标准化评测平台。