固态存储行业领导者硅格半导体加入龙蜥社区,共同推动开源生态建设

简介: 硅格半导体加入龙蜥社区,将参与社区的软硬件平台产品适配、开源技术研究、行业标准建设等工作,共同推动开源生态建设,助力国产存储生态及产业生态的协同发展。

硅格半导体.png

近日,深圳市硅格半导体有限公司(以下简称“硅格半导体”)签署了CLA(Contribution License Agreement,贡献者许可协议),正式加入龙蜥社区(OpenAnolis)。


硅格半导体成立于 2007 年,是国内领先的固态硬盘存储解决方案提供商,其自研存储控制芯片掌握了业界多项关键技术,已获得授权发明专利 224 项。经过十五年的技术积累和业务拓展,硅格半导体建立了完整的存储产品线,覆盖通用存储(USB/SD)、嵌入式存储(UFS/eMMC/SPI-NAND)和 SSD 存储(SATA/PCIe)等多个领域。硅格半导体拥有所有存储控制器的核心 IP,为行业客户提供存储控制芯片、工业用存储模组、IP 及设计服务在内的一站式存储解决方案,产品覆盖消费级、企业级、工业级、汽车级应用。


硅格半导体市场总监罗挺表示:“很高兴加入龙蜥社区,硅格半导体提供自主先进的存储解决方案,硅格 SSD 固态硬盘在产品可靠性、能耗、全自主化程度等方面具有明显优势,广泛应用于政务办公、金融电信、轨道交通等领域。未来,硅格半导体将积极参与龙蜥社区的软硬件平台产品适配、开源技术研究、行业标准建设等工作,共同推动开源生态建设,助力国产存储生态及产业生态的协同发展。”


龙蜥社区「龙腾计划」正在进行中,欢迎更多企业加入。详情可查看:“龙腾计划”启动!邀请 500 家企业加入,与龙蜥社区一起拥抱无限生态


—— 完 ——

加入龙蜥社群

加入微信群:添加社区助理-龙蜥社区小龙(微信:openanolis_assis),备注【龙蜥】与你同在;加入钉钉群:扫描下方钉钉群二维码。欢迎开发者/用户加入龙蜥社区(OpenAnolis)交流,共同推进龙蜥社区的发展,一起打造一个活跃的、健康的开源操作系统生态!

开发者社区.png

关于龙蜥社区

龙蜥社区OpenAnolis)是由企事业单位、高等院校、科研单位、非营利性组织、个人等在自愿、平等、开源、协作的基础上组成的非盈利性开源社区。龙蜥社区成立于 2020 年 9 月,旨在构建一个开源、中立、开放的Linux 上游发行版社区及创新平台。

龙蜥社区成立的短期目标是开发龙蜥操作系统(Anolis OS)作为 CentOS 停服后的应对方案,构建一个兼容国际 Linux 主流厂商的社区发行版。中长期目标是探索打造一个面向未来的操作系统,建立统一的开源操作系统生态,孵化创新开源项目,繁荣开源生态。

目前,龙蜥OS 8.4已发布,支持 X86_64 、Arm64、LoongArch 架构,完善适配飞腾、海光、兆芯、鲲鹏、龙芯等芯片,并提供全栈国密支持。

欢迎下载:

https://openanolis.cn/download

加入我们,一起打造面向未来的开源操作系统!

https://openanolis.cn

相关文章
|
Linux 虚拟化 Windows
Linux、Windows上还不会端口映射的网工,请低调看过来!
Linux、Windows上还不会端口映射的网工,请低调看过来!
508 0
|
安全 Linux
Centos 7.x 升级内核
千万不要小瞧这操作。
1288 0
|
SQL 存储 算法
TPCC测试究竟意味着什么
最近分布式数据库领域可谓非常之火(也可能是非常之卷),特别的,很多人会关注TPCC的测试结果,也有不少产品会投入很多精力在TPCC的优化上。 我们首先需要搞明白的是,我们从TPCC的测试结果,究竟能得出对这个分布式数据库什么样的评价。
4728 3
|
编解码 数据可视化 小程序
分享5款堪称神器的软件
本文推荐了五款超实用的效率软件:1. Launchy——快速启动应用程序的开源工具;2. MindMapper——结构化呈现创意与信息的思维导图软件;3. 3171.cn——集合多种在线工具的全能平台;4. VidJuice UniTube——支持多平台高清视频下载的利器;5. Shotcut——具备多轨道处理与色彩校正功能的开源视频编辑器。这些工具旨在提升工作与学习效率,值得尝试。
272 1
|
数据采集 存储 运维
提升团队工程交付能力,从“看见”工程活动和研发模式开始
本文从统一工程交付的概念模型开始,介绍了如何将应用交付的模式显式地定义出来,并通过工具平台落地。
123836 420
|
机器学习/深度学习 数据采集 算法
深入理解并应用机器学习算法:支持向量机(SVM)
【5月更文挑战第13天】支持向量机(SVM)是监督学习中的强分类算法,用于文本分类、图像识别等领域。它寻找超平面最大化间隔,支持向量是离超平面最近的样本点。SVM通过核函数处理非线性数据,软间隔和正则化避免过拟合。应用步骤包括数据预处理、选择核函数、训练模型、评估性能及应用预测。优点是高效、鲁棒和泛化能力强,但对参数敏感、不适合大规模数据集且对缺失数据敏感。理解SVM原理有助于优化实际问题的解决方案。
1633 3
|
存储 消息中间件 前端开发
.NET常见的几种项目架构模式,你知道几种?
.NET常见的几种项目架构模式,你知道几种?
491 0
|
网络安全 Python
Conda/Python更新失败:SSL错误
Conda/Python更新失败:SSL错误
654 0
|
缓存 小程序 UED
你使用过哪些方法,来提高微信小程序的应用速度?
你使用过哪些方法,来提高微信小程序的应用速度?
864 0
ENVI:如何进行图像镶嵌?
ENVI:如何进行图像镶嵌?
1514 0