T
traeai
登录

公司

Red Hat

别名:红帽

提供企业级开源解决方案的跨国公司

已跟踪 30 条高相关材料

TraeAI 观察

相关材料

已收录 30 条与 Red Hat 相关的内容,按评分排序。

Red Hat AI 图标

Red Hat推出云扩展功能,允许在本地基础设施上构建主权AI云,提供多租户隔离和统一API管理。

入选理由:Red Hat云扩展提供BMaaS/CaaS/MaaS/VMaaS四种核心云服务,基于OSAC开源项目构建

精选文章#Red Hat#云扩展#AI云#多租户#开源英文
Red Hat AI 图标

How Red Hat OpenShift 5 simplifies incident diagnosis with supervised AI

Red Hat AI1552 字 (约 7 分钟)
85

Red Hat OpenShift 5通过监督AI和Lightspeed工具提升故障诊断效率,减少人工分析时间。

入选理由:OpenShift Lightspeed将故障诊断时间从20分钟缩短至几分钟

精选文章#OpenShift#AI#故障排除#Red Hat英文
Red Hat AI 图标

What's new in Red Hat OpenShift Lightspeed 2

Red Hat AI1572 字 (约 7 分钟)
85

Red Hat OpenShift Lightspeed 2新增自主排查模式和MCP协议,实现集群问题自动诊断,支持Google Vertex AI和Amazon Bedrock模型。

入选理由:自主模式可在隔离Pod中自动执行集群排查,减少人工干预

精选文章#Red Hat OpenShift#AI运维#Cloud Automation#MCP协议英文
Red Hat AI 图标

EnMaaS: Red Hat's pilot for open source inference

Red Hat AI1680 字 (约 7 分钟)
85

Red Hat通过EnMaaS试点项目,利用开源架构和Praxis框架有效降低企业AI推理成本。

入选理由:Praxis框架采用Rust语言实现,提供低延迟的AI网关服务

精选文章#AI推理#开源#Praxis框架#Rust#EnMaaS英文
Red Hat AI 图标

Red Hat OpenShift 5: The intelligent application platform

Red Hat AI1849 字 (约 8 分钟)
85

Red Hat OpenShift 5通过引入agentic applied AI和Lightspeed功能,实现跨混合云的自主运维,同时保持人工控制关键决策。

入选理由:Red Hat OpenShift Lightspeed将AI从对话助手升级为可执行集群变更的代理

精选文章#Red Hat OpenShift#Kubernetes#AI运维#云原生英文
Red Hat AI 图标

Trustworthy AI starts with community governance

Red Hat AI1146 字 (约 5 分钟)
85

开源社区需通过治理框架应对AI辅助开发带来的代码审查瓶颈,Red Hat提出需结合责任、透明度与法律考量的AI政策。

入选理由:Kubernetes社区通过AI政策解决代码审查效率与信任问题

精选文章#AI治理#开源社区#Kubernetes#Red Hat#AI政策英文
Red Hat AI 图标

Why ITOps needs a governed automation foundation for AI

Red Hat AI1726 字 (约 7 分钟)
85

IT运维引入AI需要治理的自动化基础,否则可能导致执行混乱和风险。Red Hat指出当前AI与自动化层存在三大混淆误区。

入选理由:AI生成的洞察不等于可执行的自动化流程,需独立治理执行层

精选文章#AI#IT运维#自动化#Red Hat英文
Hacker News Best 图标

TCP Use-After-Free: CVE-2026-98432 / CVSS 9.8

Hacker News Best3703 字 (约 15 分钟)
85

Linux内核存在严重TCP Use-After-Free漏洞(CVE-2026-98432),CVSS 9.8,影响广泛且修复不完全。

入选理由:Ubuntu所有版本和RHEL 8/9/10截至2026年10月31日仍未修复该漏洞

精选文章#Linux内核#安全漏洞#CVE#CVSS评分英文
Red Hat AI 图标

AI agent security with policy-driven access control

Red Hat AI2466 字 (约 10 分钟)
85

AI代理安全存在重大漏洞,策略驱动的访问控制是关键解决方案,Red Hat提出跨系统统一治理方法。

入选理由:70%企业部署AI组件但82%缺乏实时可见性,需策略驱动访问控制

精选文章#AI安全#策略驱动#Red Hat#访问控制英文
Securing the enterprise software supply chain in the AI era

Securing the enterprise software supply chain in the AI era

Red Hat AI829 字 (约 4 分钟)
85

AI时代企业软件供应链安全面临治理信心与操作可见性脱节的挑战,Red Hat调研揭示70%以上CIO存在数据追踪盲区。

入选理由:7% CIO对AI治理有信心但仅39.6%具备完整数据可见性

精选文章#AI#软件供应链#安全#企业IT#Red Hat英文
Announcing llm-d 1.0: Open distributed inference for agents on Google Cloud TPUs and GPUs

Google Cloud 发布 llm-d 1.0,通过缓存感知路由和分层 KV 缓存优化多步骤代理推理,支持 TPU/GPU 混合部署。

入选理由:llm-d 1.0 支持 1000 个代理实例并发处理,通过分层 KV 缓存降低 40% 内存占用

精选文章#Kubernetes#LLM#分布式推理#Google Cloud#TPU英文
Red Hat AI 图标

开源是构建可信AI的基础,Red Hat与Linux基金会研究显示61%开发者审查AI生成代码,80%关注模型来源,透明度与治理成关键。

入选理由:61%开源贡献者会逐行审查AI生成代码

精选文章#AI#开源#Linux基金会#生成式AI#Red Hat英文
Red Hat AI 图标

Crossing the threshold to dependable open source AI serving

Red Hat AI1380 字 (约 6 分钟)
85

开源AI服务已从实验阶段进入成熟基础设施,Red Hat的vLLM和llm-d项目解决了大规模集群中的模型服务挑战。

入选理由:vLLM项目已纳入PyTorch基金会并支持多硬件架构

精选文章#AI推理#开源#Kubernetes#分布式系统英文
Red Hat AI 图标

MLOps for edge AI: Managing AI models across distributed fleets

Red Hat AI5563 字 (约 23 分钟)
85

边缘AI模型管理需采用声明式GitOps方法,以应对分布式设备的版本控制与更新挑战。

入选理由:声明式管理比命令式管理更适合边缘设备的不可预测状态

精选文章#MLOps#边缘计算#GitOps#AI模型管理英文
Red Hat AI 图标

Red Hat宣布Model Context Protocol (MCP) gateway正式发布,支持多团队隔离、资源联邦和渐进式工具发现,提升企业AI代理治理能力。

入选理由:MCP gateway提供两种隔离方案:独立实例和共享网关下的层级隔离

精选文章#Red Hat#AI#OpenShift#MCP#AgentOps英文
How AI is defining the ‘new’ architect

How AI is defining the ‘new’ architect

Red Hat AI1575 字 (约 7 分钟)
85

AI推动架构师角色转向认知治理,需平衡技术创新与风险管控。

入选理由:Cognitive Architect需整合AI加速与企业治理,避免技术债务

精选文章#AI#企业架构#治理#Red Hat英文
Red Hat AI 图标

MLOps at the edge: Running AI models at the edge

Red Hat AI5351 字 (约 22 分钟)
85

边缘AI部署需应对硬件异构性、资源竞争和延迟挑战,需采用ONNX等通用格式及特定硬件优化工具。

入选理由:边缘设备硬件异构性要求模型需适配多种格式(如TensorRT、OpenVINO)

精选文章#MLOps#边缘计算#AI部署#资源管理英文
Red Hat AI 图标

MLOps for edge AI: Preparing AI models for deployment at the edge

Red Hat AI5571 字 (约 23 分钟)
85

边缘AI部署需平衡云与边缘的MLOps组件,确保模型高效运行与持续优化。

入选理由:模型训练保留在云端,推理在边缘设备执行以降低延迟

精选文章#MLOps#边缘计算#AI部署#Red Hat英文
Red Hat AI 图标

Red Hat与Rafay联合发布的主权AI云参考架构,为电信运营商提供标准化、自助服务的GPU云解决方案,解决平台和商业化双重挑战。

入选理由:Red Hat平台解决多站点GPU环境标准化部署难题,降低70%运维复杂度

精选文章#AI云架构#Red Hat#Rafay#GPU云服务#主权云英文
PyTorch x Hugging Face in Bengaluru: Building India’s Next Generation of ML Systems Contributors

印度正通过PyTorch与Hugging Face合作培养下一代AI系统构建者,聚焦分布式训练、推理优化等基础设施技术。

入选理由:PyTorch profiling工具链包含record_function和profile API,可分离等待/预热/采集阶段

精选文章#PyTorch#Hugging Face#AI基础设施#分布式训练#印度英文
Red Hat AI 图标

How AI inference works, clearly explained

Red Hat AI2212 字 (约 9 分钟)
85

AI推理依赖模型权重、推理服务器和GPU协同工作,KV缓存优化可降低延迟和成本。

入选理由:推理服务器(如vLLM)是实现生产级GPU利用率的关键组件

精选文章#AI推理#LLM#KV缓存#优化#Red Hat英文
Red Hat AI 图标

Open telco AI: Training a model for an industry

Red Hat AI1921 字 (约 8 分钟)
85

电信行业通过开源协作推动领域专用AI落地,OTel 2.0模型已获超500万次下载,Red Hat与AT&T等企业共建电信AI训练框架。

入选理由:OTel 2.0模型下载量达500万,较前代增长16.7倍

精选文章#AI#电信#开源#Red Hat#OTel英文
Red Hat AI 图标

Red Hat通过模块化代理工作流实现Jira任务自动化,每周处理数十个票证并减少处理时间至分钟级,揭示AI代理规模化挑战与解决方案。

入选理由:模块化代理工作流使Jira票证处理时间从小时级缩短至分钟级

精选文章#AI代理#自动化#Jira#模块化架构#Red Hat英文
Red Hat AI 图标

Beyond the model: Architecting production-grade enterprise AI systems

Red Hat AI2014 字 (约 9 分钟)
85

企业级AI系统需构建包含计算、存储、服务和集成的四层架构,自托管与托管模式各有权衡。

入选理由:企业AI系统依赖四层基础设施:计算、模型存储、服务层和系统集成

精选文章#AI架构#企业系统#模型部署#Kubernetes英文
PyTorch Blog 图标

Core PyTorch Sessions at PyTorch Conference North America 2026

PyTorch Blog2375 字 (约 10 分钟)
85

PyTorch 2026年北美会议展示编译器优化、跨仓库CI Relay和AI代理在发布工程中的应用,加速器后端兼容性验证时间缩短至分钟级。

入选理由:Cross-Repo CI Relay使Ascend NPU/RISC-V后端兼容性检测从天级缩短至分钟级

精选文章#PyTorch#AI#发布工程#CI/CD#分布式计算英文
Red Hat AI 图标

What is metal to agents? Navigating the architecture of enterprise AI

Red Hat AI2121 字 (约 9 分钟)
85

Red Hat提出的‘metal to agents’框架通过分层架构解决企业AI的基础设施成本和可扩展性问题,支持自研芯片与主流云厂商硬件。

入选理由:企业AI架构需分层设计,从硬件到自主代理共四层,避免供应商锁定

精选文章#AI架构#企业AI#Red Hat#混合云#自主代理英文

跨材料问答 · Red Hat

回答基于:Red Hat 相关 30 条材料
    0 / 500

    AI 可能会生成不准确的信息,请核实重要内容