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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。