首页 > 传媒 > 关键词  > 正文

陈毅威“掌舵”SUSE 中国 3.0,谋势数字江湖

2023-07-21 11:26 · 稿源: 站长之家用户

“可以大胆一点说,SUSE 未来三年很有机会把业务翻一番。”SUSE 大中华区总裁陈毅威做出这一判断的依据是:云原生是云计算最主流的发展方向,它不仅是云服务商们在技术上的角力点,更已经成为企业数字化转型和上云的必经之路。放眼当下,从“上云”向“云原生”演进,全球都在深度参与并见证这样一场技术变革。

SUSE大中华区总裁 陈毅威

SUSE 恰好处在一个适当的位置,并为此做好了准备:在持续完善自身云原生技术版图的同时,更在中国市场寻求了一位“掌舵人”,以期将自己的云原生战略更好地落地中国。

在陈毅威看来,加入 SUSE 成为其中的一员,就像是一次命中注定的缘分。加入 SUSE 之前,陈毅威分别在全球领先的存储、安全以及数据分析企业任职,这些经历让他能够从不同角度更清晰地了解客户的需求,这也许就是 SUSE 选择陈毅威的原因:在中国云原生市场这个门派林立的江湖里,SUSE 想要突出重围,必须有一套属于自己的“内功心法”:不仅需要更出众的技术和产品实力、明确而坚定的策略,更重要的是,还必须对本土市场有清晰的认知,并拥有超强的行动力。以上皆备才能放手一搏。

乘势而上

陈毅威上任后,就开始了“马不停蹄”拜访客户的日子。

“除了春节假期,一半以上的工作时间都交给了客户。”在陈毅威看来,这些“辛苦”是值得的,通过与客户的深入交流,他更加明确了客户的需求——“数字创新”和“降本增效”,而解决这两个难题的答案,正是“开源”和“云原生”。

事实上,云原生的出现,正在重塑整个 IT 行业发展的轨迹:从单一容器技术发展到庞大的云原生技术群,在容器、微服务、DevOps 三大核心技术的推波助澜下,迅速朝着全栈化技术体系发展,让应用开发、部署、运维更简单。这同时也让云原生的应用从互联网迅速蔓延到千行百业,其中不乏政府、金融、制造等传统领域用户。

据 IDC 预测,到 2025 年,超过一半的中国 500 强企业将成为软件生产商,超过 90% 的应用程序为云原生应用程序。到 2024 年,由于采用微服务、容器、动态编排等技术,新增的生产级云原生应用在新增应用的占比将从 2020 年的10% 增加到 60%。

这些来自用户的真实反馈更加坚定了陈毅威的想法:基于 SUSE 在开源和 Linux 领域 30 余年的积淀,赋予客户更加开放、安全的云原生能力。

谋定而后动

事实上,尽管云原生技术无论在效率和成本方面都相当竞争力,但对于众多企业而言,它并不是一个“美好计划”,企业仍然有自己的担忧。

首先,对于从信息化时代、云计算时代亦步亦趋进阶到当今云原生时代的企业而言,其散布在数据中心、私有云、公有云甚至边缘侧的应用,与企业业务的稳定性和连续性息息相关。因此,一个具有包容性和可扩展性,能够覆盖企业以往所有 IT 投入的基础架构,是企业对云原生平台的基本要求。

其次,安全仍是企业比较担心的问题。咨询机构 451 Research 的研究表明,容器安全是企业采用云原生平台最核心的考量因素,尤其是在受到严格监管的行业。

SUSE 正在带来新的可能。

作为首 个企业级 Linux 的发布者,SUSE 为企业用户提供了一个从数据中心延伸到云端,甚至到边缘端的操作系统平台。而随着对 Rancher 的收购,企业用户又拥有了一个同样可以从数据中心延展到云端、边缘端的容器管理平台。

“SUSE 的 Linux 可以支持其他任何的 Kubernetes;SUSE 的 Kubernetes 也不绑定自己的产品,可以运行在任何形态的 Linux 产品上,无论是 SLES 还是 RHEL”陈毅威说。

容器安全也是一样:NeuVector 虽然是 SUSE 的安全产品,但其开源容器镜像可以安装在任何主流 Kubernetes 集群上,可以支持包括红帽 OpenShift、VMWare Tanzu 等在内的众多企业级容器管理平台,以及 Google GKE、Amazon EKS、Microsoft Azure AKS 等 K8s 发行版。很显然,开源、开放的属性让 SUSE 安全解决方案拥有了强大的渗透力。

值得一提的是,SUSE 还打造了云原生边缘管理解决方案 SUSE Edge,可以在分布式边缘环境中实现对 Kubernetes 和 Linux 操作系统生命周期的简化、集中和自动化管理,将云原生能力赋能至包括电信、汽车、卫星等在内的边缘场景。

可以说,SUSE 帮助企业铺就了一条从数据中心到云端再到边缘的坦途,赋予了其全栈云原生能力。而所有这些,都是基于 SUSE 基因中的开源、开放属性——这就像是打通了任督二脉的高手,已经掌握了事物本质,无须刻意为之。

聚力合气

知易行难,在 IT 行业,将技术领先性转化为市场领导力从来都不是一件容易的事。在过去的大半年,经过反复考量和尝试,陈毅威最终选择通过搭建更敏捷的销售体系和以客户为中心的合作伙伴体系,来推动 SUSE 中国 3.0 战略的落地。

在陈毅威的规划中,有这样一个销售体系最终可以帮助 SUSE 实现行业领域的全面突破:从现阶段服务的包括运营商在内的核心客户,拓展到制造、汽车、零售、餐饮、互联网等行业客户,为自身构建一个更均衡的业务分布态势。

在合作伙伴体系方面,SUSE 会通过丰富而完善的合作伙伴培训和认证考核体系,提高渠道合作伙伴的专业服务能力,使其能够针对不同客户的不同需求,提供差异化的解决方案。

“SUSE 通过云原生的底层架构来支撑客户各种类型的应用,这就需要借助合作伙伴的能力,以‘B2B2C’的商业模式,服务最终的企业客户。”陈毅威反复强调,SUSE 所打造的合作伙伴体系,必须是以客户为中心的。针对合作伙伴的一系列举措,目标只有一个,就是“帮助客户实现平稳运行与开拓创新的双轮驱动”。

除了技术和产品,专业服务同样是 SUSE 的“拿手绝活”:如果企业尚未理清数字化转型的路径,SUSE 首先会提供顶层的咨询服务;然后帮助客户规划具体的实施蓝图;最后,提供具体的实施、部署和售后支持服务。

也就是说,SUSE 有能力为企业客户提供从 IT 解决方案设计到成功交付的全生命周期服务,帮助客户解决实施、管理和维护过程中的困难,快速实现业务增值。

机会正在到来

“创新无处不在”是 SUSE 几十年来始终坚持如一的信念,也是对客户的承诺。

“IT 行业变化莫测,越是站在行业前端,越需要持续创新。”2022 年 10 月,业界首 款自适应 Linux 平台的原型横空出世。这是 SUSE 在持续创新的征程中,不断突破自我的美好注脚。试想一下,当用户不再被数据中心、云端、甚至是边缘的任意场景所束缚,而是通过在云原生环境中演进用例的新方法,从硬件和应用层抽离出来,更加专注于自身的工作负载,这将是怎样的一副场景?

2023 年上半年,我们听到了太多有关 AI、ChatGPT 以及英伟达 GPU 的故事。毫无疑问,AI 的飞速发展在重塑和颠覆各个行业的同时,也带来了更多的商业机会。

目前,SUSE 已经迈出了 AI 应用的第 一步——在 Rancher Prime 上开发了一个AI 助手,为客户提供自动化、准确和实时的服务。

不过,SUSE 并非止步于此。

“别忘了,硬件和应用的中间,还需要一个更为成熟的操作系统作为支撑。”陈毅威十分肯定,AI 将是 SUSE 非常好的发展契机。

技术不断迭代,客户需求也随之变化,就像时代的步伐,虽难以预测,但总有蛛丝马迹可循。总有人能在变革到来之前做好准备。陈毅威坦言自己是一个敢于冒险的人,对于 SUSE 当前的选择,他强调 “我们已经感觉到,属于云原生的机会、属于 SUSE 的机会,正在到来。”

关于 SUSE

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跑者,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。SUSE 在全球拥有2000 余名员工,2021 年在法兰克福证券交易所的监管市场(Prime Standard)上市。

前瞻性声明

本新闻稿中任何关于公司未来的期望、计划和前景的声明,包括含有“目的”、“目标”、“将会”、“相信”、“预期”、“计划”、“期望”以及旨在表明其为前瞻性声明的类似表述,应谨慎阅读。这些声明仅为预测,由于不确定性因素的影响,实际结果可能与这些前瞻性声明所表示的结果产生巨大差异。不确定性因素包括竞争环境、客户交易的发展、对客户关系的依赖、增长和收购的管理、未被发现软件问题的可能性、新冠病毒的流行和经济衰退影响的风险、定价压力和互联网的可行性等。此外,前瞻性声明仅反映了本新闻稿发布当日的情况,我们不对更新或修正任何前瞻性声明承担责任。由于前瞻性声明可能发生变化,所以本新闻稿发布之日以外的任何时间,都不应以此代表公司观点。

###

2023 SUSE LLC 版权所有。保留所有权利。SUSE 和 SUSE 标志是 SUSE LLC 在美国和其他国家的注册商标。所有第三方商标均为其各自所有者的财产。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • Numina Math 7B:数学领域的开源AI模型,助力数学竞赛。

    Numina Math 7B是由Numina组织开发的AI数学模型,专注于解决高难度的数学问题,特别是在数学竞赛领域。该模型在AI数学奥林匹克竞赛中获得了第一名,显示出其在解决复杂数学问题上的强大能力。Numina是一个非盈利组织,致力于推动数学领域人类和人工智能的发展。

  • 小宾灯牌去除器:一键自动去除抖音粉丝灯牌

    小宾灯牌去除器是一款AI驱动的视频编辑工具,专为解决抖音粉丝灯牌问题而设计。它通过先进的算法自动识别并移除视频中的粉丝灯牌,提升视频的专业度和观众体验。主要优点包括简单易用、支持多种视频格式、GPU加速以及智能检测减少漏检。产品背景信息显示,它适用于主播、无人直播者、切片工作者和视频剪辑工作者等用户,帮助他们快速处理视频中的粉丝灯牌,提高工作效率。

  • AI小说家:人工智能驱动的小说创作平台

    AI小说家是一个利用人工智能大模型驱动的小说创作平台,支持创作者轻松完成万字长篇小说和短篇故事。它提供了向导式写作、多人物多视角的创作方式,并通过AI工具辅助创作,提升创作效率和质量。

  • AgentScope:构建大型语言模型支持的多智能体应用。

    AgentScope是一个创新的多智能体平台,旨在赋能开发者使用大规模模型构建多智能体应用。它具有易于使用、高鲁棒性和基于Actor的分布式特性,支持自定义容错控制和重试机制,以增强应用稳定性。

  • StockBot:基于Groq的极速AI聊天机器人,提供实时交互式股票图表和信息。

    StockBot是一款由Groq支持的AI聊天机器人,利用Llama3 70b在Groq上的Vercel AI SDK和TradingView的实时小部件,以对话形式回应实时、互动的图表和界面,专门针对您的请求。Groq的速度使得工具调用和提供近乎即时的响应成为可能,允许进行两次API调用,使用不同的专业提示返回响应。请注意:StockBot可能提供不准确的信息,不提供投资建议。它仅供娱乐和教学使用。

  • Athlabs:AI辅助的运动训练助手,实现无损伤训练

    Athlabs是一个利用人工智能技术为用户提供运动训练反馈的数字教练平台。它通过多模态AI模型提供即时、校正性反馈,帮助用户在没有运动损伤的情况下进行训练。平台还提供个性化指导,由专业体育专家提供精确的指导,以及为用户定制的挑战训练计划。此外,Athlabs还计划提供专家洞察,以进一步提升用户的表现。

  • GPT4oMini.app:高级AI对话生成器,免费获取答案。

    GPT4oMini.app是一个高级AI对话生成器,它允许用户通过自然语言与AI进行互动,获取各种问题的答案。该产品由Karthikeyan A创建,提供给用户一个平台,不仅可以使用GPT-4o-Mini,还可以无限使用完整版本的GPT-4o。产品的主要优点包括提供有效的时间管理策略,帮助用户准备技术面试,以及提供财务自由和生活设计方面的策略。

  • Album AI:AI驱动的相册,自动生成图像元数据并与之对话。

    Album AI是一个实验性项目,它使用gpt-4o-mini作为视觉模型,自动识别相册中图像文件的元数据,并利用RAG技术实现与相册的对话。它既可以作为传统相册使用,也可以作为图像知识库,辅助大型语言模型进行内容生成。

  • VGGSfM:深度学习驱动的三维重建技术

    VGGSfM是一种基于深度学习的三维重建技术,旨在从一组不受限制的2D图像中重建场景的相机姿态和3D结构。该技术通过完全可微分的深度学习框架,实现端到端的训练。它利用深度2D点跟踪技术提取可靠的像素级轨迹,同时基于图像和轨迹特征恢复所有相机,并通过可微分的捆绑调整层优化相机和三角化3D点。VGGSfM在CO3D、IMC Phototourism和ETH3D三个流行数据集上取得了最先进的性能。

  • aimo-progress-prize:AI数学奥林匹克解决方案

    这个GitHub仓库包含了训练和推理代码,用于复制我们在AI数学奥林匹克(AIMO)进展奖1中的获胜解决方案。我们的解决方案由四个主要部分组成:一个用于微调DeepSeekMath-Base 7B以使用工具集成推理(TIR)解决数学问题的配方;两个约100万个数学问题和解决方案的高质量训练数据集;一个自洽解码算法,用于生成具有代码执行反馈的解决方案候选项(SC-TIR);四个来自AMC、AIME和MATH的精心选择的验证集,以指导模型选择并避免对公共排行榜的过拟合。

  • NuminaMath:数学竞赛问题的解决方案集合

    NuminaMath是一套为训练最先进数学语言模型(SOTA math LLMs)而设计的数据库和模型。它包含860k+数学竞赛问题及其解决方案对,每个解决方案都使用了链式思维(Chain of Thought, CoT)推理进行模板化。此外,还有70k+数学竞赛问题,其解决方案由GPT-4通过工具集成推理(Tool-Integrated Reasoning, TIR)生成。NuminaMath通过提供高质量的数学问题和解决方案,为教育工作者和学生提供了一个宝贵的资源,帮助他们提高数学思维和解决问题的能力。

  • GRUtopia:大规模城市环境中的机器人模拟交互平台。

    GRUtopia是一个为各种机器人设计的交互式3D社会模拟平台,它通过模拟到现实(Sim2Real)的范式,为机器人学习提供了一个可行的路径。平台包含100k精细标注的交互场景,可以自由组合成城市规模的环境,覆盖89种不同的场景类别,为服务导向环境中通用机器人的部署提供了基础。此外,GRUtopia还包括一个由大型语言模型(LLM)驱动的NPC系统,负责社交互动、任务生成和分配,模拟了具身AI应用的社交场景。

  • Internet of Agents:智能代理互联框架,支持任务自动化与协作。

    IoAI (Internet of Agents)是一个智能代理互联框架,旨在通过高度模块化的设计,实现不同智能代理之间的自动化协作。它允许开发者快速集成第三方智能代理,并通过统一的接口进行任务分配和执行。IoA的核心优势在于其灵活性和可扩展性,支持多种应用场景,包括但不限于协作论文写作、基准测试和开放指令数据集。

  • UnderstandingDeepLearning-ZH-CN:深度学习领域的经典教材中文翻译

    《深度学习》是一本由Simon J.D. Prince所著的深度学习领域的经典教材,MIT Press于2023年12月5日出版。本书涵盖了深度学习领域的许多关键概念,适合初学者和有经验的开发者阅读。本仓库提供了该书的中文翻译,翻译基于原书的最新版本,使用ChatGPT进行机翻并进行人工审核,确保翻译的准确性。

  • ElevenLabs AI audio API :强大的AI音频API,提升项目互动性。

    ElevenLabs AI音频API提供了高质量的语音合成服务,支持多种语言,适用于聊天机器人、代理、网站、应用程序等,具有低延迟和高响应速度。该API支持企业级需求,确保数据安全,符合SOC2和GDPR合规性。

  • Swapy:简单几行代码,实现拖拽交换布局

    Swapy是一个框架无关的工具,它允许开发者通过简单的代码将任何布局转换为拖拽交换式的布局。它支持所有流行的前端框架,如React、Vue和Svelte,并且可以通过npm或CDN进行安装。Swapy的主要优点是它的易用性和灵活性,使得开发者可以快速实现复杂的拖拽功能,而无需深入了解拖拽交互的底层实现。

  • Finance Commons and the Bad Data Toolbox:开箱即用的文档AI工具箱,针对不良数据优化

    Finance Commons和Bad Data Toolbox是一系列针对文档AI研究和应用的模型和工具。它们专注于处理不良数据,包括OCR错误、结构混乱的文本等,以提高AI在文档处理中的鲁棒性。这些工具和模型有助于自动化流程,减少企业在准备内容时的工作量,同时支持下一代多模态文档模型的发展。

  • Morphic Studio:加入等待名单,体验新的故事讲述方式

    Morphic Studio是一个创新的故事讲述平台,旨在通过先进的技术手段,为用户提供沉浸式和互动式的故事体验。它利用最新的交互技术和视觉效果,让用户能够更深入地参与到故事中,感受故事的魅力。Morphic的主要优点包括:1. 沉浸式体验;2. 互动性强;3. 视觉效果突出;4. 易于操作和使用。产品背景信息显示,Morphic致力于通过技术革新,推动故事讲述方式的变革,满足现代观众对高质量内容的需求。

  • DCLM-baseline:高性能语言模型基准测试数据集

    DCLM-baseline是一个用于语言模型基准测试的预训练数据集,包含4T个token和3B个文档。它通过精心策划的数据清洗、过滤和去重步骤,从Common Crawl数据集中提取,旨在展示数据策划在训练高效语言模型中的重要性。该数据集仅供研究使用,不适用于生产环境或特定领域的模型训练,如代码和数学。

  • DCLM-7B:7亿参数的语言模型,展示数据整理技术的有效性。

    DCLM-Baseline-7B是一个7亿参数的语言模型,由DataComp for Language Models (DCLM)团队开发,主要使用英语。该模型旨在通过系统化的数据整理技术来提高语言模型的性能。模型训练使用了PyTorch与OpenLM框架,优化器为AdamW,学习率为2e-3,权重衰减为0.05,批次大小为2048序列,序列长度为2048个token,总训练token数达到了2.5T。模型训练硬件使用了H100 GPU。

今日大家都在搜的词:

热文

  • 3 天
  • 7天