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
全新搜索方式出现,字节发布宽度优先搜索基准WideSearch,垫底的竟是DeepSeek
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。