RedHat(红帽)桌面虚拟化,可以让整个桌面环境成为托管在中央数据中心服务器上的虚拟桌面。通过RedHat(红帽)桌面虚拟化,用户可以使用低成本的瘦客户端或专用的PC连接这些桌面虚拟化。它可为用户提供良好的体验,以及跨平台的Windows和Linux虚拟桌面支持。
Linus Torvalds回应AI编程批评者:不满就Fork,或者离开2026-07-17
Linux创始人Linus Torvalds在内核邮件列表中明确表态,Linux不是反AI项目,若有人对此有异议,可以选择分叉项目或直接离开。此番言论源于社区关于AI代码审查工具Sashiko的争议——该工具可独立发现53.6%的潜在缺陷,但误报率约20%。Torvalds强调,AI是实用工具,不会强迫任何人使用,但也不会阻止他人使用,其立场基于技术价值而非对新工具的盲目追捧。详细 >>
Linus Torvalds力挺AI:反对者可以去Fork Linux2026-07-17
Linux之父Linus Torvalds近日在Linux内核邮件列表上明确表态,支持在Linux内核开发中使用AI工具,并表示若有人反对,"可以去fork项目"。他强调AI只是一种工具,其实用性已无需质疑。内核稳定版维护者Greg Kroah-Hartman也指出,AI生成的报告质量已大幅提升。Torvalds表示,内核社区的决策基于技术价值,而非对新工具的恐惧。详细 >>
没有流程智能,AI自动化为何注定失败2026-07-17
企业AI自动化的最大误区,是将流程文档当作流程现实。文档描述的往往是"理想路径",而实际运营充满例外、缺失数据、非正式决策与人工判断。若在缺乏流程智能的情况下引入AI,只会让脆弱的流程跑得更快,却并不更好。真正有效的自动化应建立在深度理解工作实际流转方式的基础上,明确哪些步骤适合自动化、哪些适合AI辅助、哪些必须由人工决策,并通过持续的反馈机制不断优化。详细 >>
欧洲如何整合算力资源以追赶 AI 前沿2026-07-17
欧洲在前沿AI能力上显著落后于美国和中国,核心障碍在于算力分散、电力基础设施薄弱以及成员国间政治协调困难。本报告聚焦分布式训练技术——该技术允许地理上分散的数据中心协同运作,自2023年以来已快速成熟。研究发现,分布式训练可缓解电力与政治协调两大瓶颈,并使欧洲现有算力资源具备支撑前沿模型训练的可能性。报告最终提出两项政策建议:完善物理基础设施及简化跨境监...详细 >>
社区合作正成为数据中心最宝贵的资产2026-07-16
随着AI与云服务需求持续攀升,数据中心在推动创新与经济发展中扮演关键角色。然而,项目成功不仅依赖土地、电力与资金,更需赢得社区信任。开发商应在建设前主动与居民、地方领导及非营利组织展开对话,通过尊重本地文化、推动劳动力培训、开展STEM教育合作以及采用节水冷却技术等举措,实现经济增长与社区利益的共赢,将社区参与真正内化为核心价值。详细 >>
IDCA首席执行官呼吁就数据中心发展达成全球共识2026-07-16
国际数据中心权威机构(IDCA)首席执行官Mehdi Paryavi表示,数据中心行业需要在数字基础设施部署方面达成全球共识,否则将阻碍AI时代所需的扩张进程。IDCA报告显示,全球数据中心电力消耗已达68GW,同比增长17%。报告警告,至少12个主要市场面临电网瓶颈,并建议采用表后供电、SMR、氢燃料电池等替代方案。同时倡导数据中心向再生基础设施转型,通过废热利用等方式回馈社区。详细 >>
澳大利亚总理AI愿景演讲:氛围感满分,但关键细节缺失2026-07-16
澳大利亚总理阿尔巴尼斯在悉尼大学发表AI政策演讲,承诺立法保护本土创作者的知识产权,防止AI公司无偿使用澳大利亚创作者的作品。然而演讲缺乏具体政策细节,未涉及数据中心税收安排、工人再培训投入、建筑劳动力短缺及本土AI能力建设等关键议题。独立参议员大卫·波科克呼吁政府给出更明确的行动方案。详细 >>
新AI路线图能否约束科技巨头?2026-07-16
本文探讨新发布的AI发展路线图是否能有效规范科技巨头的行为,还是这些企业将另辟蹊径、自行其是。文章以评论形式呈现,并配有漫画插图,涉及数据中心与人工智能领域的相关议题。【低质内容】详细 >>
麻省理工学院新系统GIFT:让AI将2D设计高效转化为3D模型2026-07-16
麻省理工学院研究人员开发了名为GIFT的数据增强系统,能够训练视觉语言模型将2D图像自动转换为CAD程序,生成精准的3D模型。该系统通过分析模型的"近似正确"答案,将错误案例转化为训练数据,帮助模型自我改进,无需人工干预。测试结果显示,GIFT仅使用约20%的计算量,即可生成比现有方法更准确的CAD模型,有望提升工程快速原型设计效率并降低成本。详细 >>
"Token生成时间"成为数据中心新战场2026-07-15
生成式AI的快速扩张使数据中心基础设施面临全新挑战。衡量成功的核心指标已从算力本身转向"首个Token生成时间"——即从规划、选址到AI集群启动并生成首个输出Token的全程耗时。这一指标涵盖供电保障、硬件采购、液冷系统集成等全链路协同能力。随着AI机架密度从15kW跃升至100kW甚至600kW,液冷技术、预制模块化基础设施和数字孪生等手段正帮助企业将部署周期从数年压缩至数月。详细 >>