IBM本周在美国旧金山举行的IBM Think技术大会吸引了近30000名参会者,周二中午所有参会者都走进会议大厅,IBM首席执行官罗睿兰(Ginni Rometty)将在这里做重要的主题演讲。
Rometty走上舞台后立即宣布:“这是我感觉最像发布iPhone的一次大会。”这句话引起了大厅内所有参与者的热烈欢笑,他们知道,IBM的营销力度和苹果不是一个层面上的,但这也传达了一个恰当的信息。IBM的大会可能无法热烈到像苹果发布会那样引发混乱的局面,但从另一方面来看,很明显IBM所代表的企业计算正在云时代变得越来越重要。
Rometty 说:“我们都站在数字化重构第二阶段的开始。我认为第二阶段将是企业驱动的。”
对于IBM来说,这项重构开始于去年10月IBM收购开源软件和技术公司Red Hat付出的340亿美元。一些观察人士认为,IBM系统借助这次收购通过合作伙伴关系在多云世界站稳脚跟,但是关于两家公司如何整合投资组合以及未来进展的详细信息还是很粗略的。上个月,股东为这次收购放行,但交易可能要到今年下半年才会正式完成。
Rometty在Red Hat首席执行官Jim Whitehurst主题演讲中登台,两人在对话中透露了一些信息,但没有做任何重大的公布。
Red Hat在开源世界举足轻重,用于处理和传输边缘数据的工具都是由开源生态系统开发的。因此,IBM可以充分利用向边缘计算的发展和在容器领域的增长机会。
Whitehurst在他简短的对话中谈到了这一潜力,谈到了Linux和容器化服务的兴起。“这将酝酿大量的创新,双方可以共同做的事情非常令人兴奋。”
他相信,有Red Hat开源工具驱动的技术,将为未来企业计算提供巨大的潜力。“真正的价值在于你拥有的数据和流程可以利用这一整套技术。我们努力做的,是为企业提供开放式的创新消费品。”
Rometty没有透露太多关于IBM整合Red Hat业务的计划,但她谈到了很多关于人工智能的话题。就在Think大会的前两天,IBM刚刚发布了几个与人工智能相关的公告,其中最重要的是Watson现在任何云上都可供使用了。
“这是我们对于你关于数据反馈的回应,”这里Rometty指的是客户关于需要不同云平台之间移动信息的灵活性的反馈。“这将成为全球业务中最开放、最具扩展性的人工智能。”
上周,IBM还宣布计划开设一个致力于开发下一代人工智能硬件的研究中心。
她说:“我们正在努力的最重要的一件事,就是如何让人工智能以更少的数据进行学习,”她还暗示说接下来还会有更多与研究相关的人工智能新进展公布。
Rometty还阐述了她对人工智能行业的总体看法。除了IBM正在进行中的人工智能工具改进核心研究之外,IBM还专注于Rometty所描述的“可信人工智能”和“可扩展人工智能”。
考虑到人工智能领域最近因为用户数据丢失和滥用而受到的冲击,IBM推出了一项软件服务,用于扫描使用人工智能进行偏差检测的系统。
IBM本周还宣布将把PowerAI服务器产品线与Watson合并,以加速机器学习训练。IBM宣布通过这一举措实现了46倍的加速,但IBM有更大的未来发展计划。
Rometty说:“这是用AI来自动化AI,我们的目标是让AI的效率提高一千倍。”
新AI工具的推出以及Red Hat开源技术重塑企业的承诺,标志着IBM有望成为未来几年企业计算领域的一个重要参与者。
但这也要面对诸多挑战,不仅仅是来自AWS和微软等巨头的竞争。很多企业仍然在努力应对云计算的复杂性,而Rometty正是把IBM的未来押注在这一点上。Kaiser Permanente公司董事长兼首席执行官Bernard Tyson本周二在与Rometty的对话中说:“我觉得我现在对云非常了解,但仍然有我不太明白的地方。”
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。