ZD至顶网软件频道消息 (文/张晓楠):当互联网公司以创新的模式、变革的思维、勇往直前的勇气攻陷传统业务“城池”的时候,传统行业应该如何应对?互联网正从面向消费应用向面向产业应用转型,这时候我们需要以产业思维去与互联网思维融合;需要通过移动端、社交媒体、物联网获取的数据来倒逼业务流程的重塑;需要把核心业务资产开放出来让第三方应用去做整合——这一切促成API经济时代的到来,也是API如此被人关注的原因所在。
API经济带来的是运维智能化、开发敏捷化、流程自动化和交互多样化,融合、重塑、开放是API经济的基因,国内用户在接受API的同时,应用API的情况如何呢?记者在采访CA Technologies中国区总监何金沛的时候,他介绍了CA Technologies最近做的一项有关API的调查并披露了国内用户采用API的情况。调查显示:超过82%的国内用户已经采用API,35%的国内用户已经达到API应用先进水平。
对于这一调查结果,坦率讲记者还是挺惊讶的,说明国内用户接受和应用API的程度都非常高。对于这一调查结果何金沛认为在于中国互联网经济发展的催生。一方面,企业可以利用API扩大业务范围、提升用户体验并探索新的商业模式;其次,API的开放和共用催生了跨界创新,推动传统行业的转型升级;另外,API是互联网经济发展的重要组成,它推动物联网、大数据及云等技术的发展,将数字世界互相连接。
产业趋势虽然对API经济发展起到推波助澜的作用,但是用户采用API的实际获益情况才是API普及的真正原因。从调查结果来看,提高收入(91%)、提供更好的用户体验(90%)、探索新商业模式(88%)是采用API的国内用户获益的前三大主要原因。这也正切中API的关键优势:它的快速交付和敏捷开发能力让用户推出应用的效率大为提升;而API经济更是跟体验密不可分,通过API的开放和共享,用户可以把自己的数据和应用分享给跨平台的多个合作伙伴,目标就是提升用户的体验。
虽然API在国内应用情况非常乐观,但是用户的理想和现实还有差距,这也是应用API要遭遇的挑战吧。调查显示,在中国大陆地区,97%的受访者认为处理安全和合规性问题十分重要,但只有35%完成了;另有97%调查对象认为从商业角度确定API的价值不容忽视,但只有32%的人认为自己已经做到。95%的组织认为与合适的供应商合作、借助他们的技能和建议是非常关键的,但是只有27%切实完成。
其实对于用户关注但是还没有好的解决办法的API安全问题,CA的API管理解决方案正中痛点,何金沛告诉记者:“我们的解决方案是企业级的,非常适合金融、电信、航天等对安全性要求高的行业。”
据了解,CA的API管理解决方案覆盖API的创建、发布、管理、消费四个层面,以组件积木式的形式一块一块搭建起来;在横向扩充方面,可扩展性、弹性都非常好,也支持云端的部署;另外从项目实施上,除本身软件以外,CA Technologies还提供顾问咨询、设计、实施、最佳实践、成功案例研究等诸多服务。
在这其中,当然不能忽视合作伙伴的力量。对此何金沛强调:“我们通过合作伙伴的努力,帮助用户去快速实现API的实施和迁移;通过合作伙伴,我们帮助用户把人才团队建立起来,后面的实施用户自己的人才团队就可以进行,因为这是一个创新的解决方案、一个标准化的解决方案。”
博彦科技作为CA Technologies的合作伙伴,已经与CA Technologies合作了十几年,如今也是CA的API管理解决方案的合作伙伴,面向大型车企、金融、电信等行业推介CA的API产品。其负责人王伟平表示:“我们目前在与CA Technologies探讨更深入合作的可能,从服务为主拓展到整个产品线的销售。”
好文章,需要你的鼓励
计算机历史博物馆软件馆长Al Kossow成功恢复了上月在犹他大学发现的半世纪前磁带内容。UNIX V4是首个内核用C语言编写的UNIX操作系统版本,已从1970年代九轨磁带中成功恢复。现可从互联网档案馆下载并在SimH中运行。该版本包含约5.5万行代码,其中2.5万行为C语言,内核仅27KB大小。恢复过程使用了readtape程序采样原始磁通变化进行数据重建。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
亚马逊云服务宣布其存储网关现已支持Nutanix的AHV虚拟化管理程序,进一步扩展混合云存储解决方案。此前AWS存储网关已支持VMware ESXi、微软Hyper-V和Linux KVM。由于AHV基于KVM架构,AWS表示添加支持相对容易。随着Broadcom收购VMware后策略调整,许多企业正寻求替代方案,Nutanix成为热门选择。分析师预测VMware可能在三年内失去35%的工作负载。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。