至顶网软件频道消息: 对于很多企业而言,已经基本上度过了上云的摸索期,即便是正在准备上云的用户,现在也已经有很多成熟的解决方案供其选择。但是随着云业务的开展,企业在云端部署的应用越来越多,虚拟设备的规模也随之变得越来越庞大,云计算体系架构也随着变得越来越复杂,云管理问题也开始随之显现。
Dynatrace所展示的企业业务应用数量图表
企业如何对云上业务进行统筹管理,5月13日连续九年被Gartner评为“APM魔力象限领导者”的Dynatrace在北京举办了“中国业务发展与产品策略媒体沟通会”,会上大中华区总经理琚伟先生在向大家分享了如何利用Dynatrace一体化平台,构建自主的企业云软件智能平台。
Dynatrace大中华区总经理琚伟先生
从琚伟先生的介绍我们可以了解,随着企业在云上业务的增长,运维的压力也在极具提升。即便是简单应用,在满足海量用户访问时,也会拉起数以千计的微服务。这就是当前云化生态的特点,几千个微服务,在运维的场景里,环境里展现出来的就是一个点。这一个点到底和其它的东西的相关性是什么?哪个用户在用?哪个用户在使用这个微服务?体验是什么样的?这个是非常复杂的东西。
怎么可以把这些复杂的环境理顺,让这些如同N乘M般指数级关系的关联设备的运营状态清晰展现出来,这是一个非常复杂的问题。试想用户现在买汽车,本身自带灯,他永远只能照亮眼前的路,后面十米二十米以后可能是一个悬崖,没有办法帮你做到预测。云的基础设施也是如此,缺乏全局掌控就无法了解其中潜藏的风险。
在现在的复杂云环境下怎么实现“智能的自动驾驶”,不但能够给一个“司机”提供路况的信息,而且还可以给所有的云生态用户都提供信息,这绝对不是一个简单的问题,也绝对不是完全靠人工可以做到的,这个是一个非常大的变化。
因此,从2018年开始,Dynatrace开始重新定义自我,把自己变成一个“软件智能”公司,打造软件智能的平台。
这个平台的构建都源自数据,数据的收集端有一个很好听的名字——One Agent,可以把用户的数据、生态的数据收集起来,经过复杂的分析,通过人工智能技术生成客户应用环境的星空图。
Dynatrace去年有一个口号:“每一个用户,每一笔交易,我们都可以做到跟踪”。然而,做到全链路的跟踪,复杂度非常高。需要及时分析出应用连接故障是手机接入的wifi问题,还是后台到数据库的问题,或者是海量微服务中的一个出现问题,必然需要依靠人工智能的技术才可以实现。
为此,Dynatrace在五年前,重新构建了全新的产品线,从而实现所有云的原生态进行支持。并向用户提供非常丰富的API,满足用户全链路的业务分析。从而实现一旦交易链路出现问题,就可以直接查出故障的根本原因。
正是因为如此,当前Dynatrace的产品解决方案被众多云计算平台普遍采用,并且在向越来越多的大型制造、零售、金融等行业用户提供服务。相信随着未来企业云业务的拓展,Dynatrace会向更多用户,提供出更加专业的软件智能运维服务。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。