Splunk将重新定义不同规模下的数据应用性能管理(APM)服务类型,助力企业踏上云化之旅;此次收购将使Splunk成为可观测性领域的领导者
北京——2019年8月26日——致力于将数据转化为行动和价值的Splunk公司(纳斯达克股票代码:SPLK)宣布达成收购SignalFx的最终协议。SignalFx是云基础设施、微服务及应用程序实时监控和度量领域的软件即服务(SaaS)领先企业。Splunk是IT运维管理(ITOM)领域的领导者和智能运维(AIOps)方面的先驱厂商。本次收购完成后,Splunk将成为可观测性和APM产品领域的领导者,为处在云化之旅不同阶段的企业提供从云原生应用到自主开发的本地部署应用等服务。Splunk覆盖广泛的创新将有助于客户节省成本,增加收入,提升客户体验,同时也确保其成为交付任何规模企业整套应用成果的最具资格供应商。
根据协议条款,Splunk将以约10.5亿美元的总收购价(可能会调整)收购SignalFx,付款方式为60%现金加上40%的Splunk普通股。根据成交条件和监管审查惯例,本次收购预计将于2020财年下半年完成。
Splunk总裁兼首席执行官Doug Merritt表示:“数据助推了现代业务的发展。收购SignalFx将使Splunk成为大规模监控和可观测性领域的领导者。SignalFx将支持我们实现一贯的承诺,即为客户提供一个可监控企业应用整个生命周期的平台。SignalFx团队和领导层给我们留下了极其深刻的印象,他们的专业知识和专业精神是对Splunk的有力增强。”
SignalFx创始人兼首席执行官Karthik Rau表示:“在加入Splunk之后,我们将会打造一个功能强大的监控平台,随时为首席信息官们提供支持,无论他们是已经完全接受云,还是在使用数据中心的已有应用程序。随着全球不断朝着复杂的“云优先”架构发展,Splunk和SignalFx可提供实时监控和观测云原生基础设施及应用所需的新方法,无论是借助日志、指标,还是通过跟踪方法。SignalFx团队很高兴能加入Splunk公司,帮助首席信息官们应用现代化应用程序组合。”
随着业务的快速发展,人们需要全新的软件开发、部署和监控方法。数据量呈指数级增长,云原生技术(如微服务、容器、Docker 和 Kubernetes 等编排环境以及无服务器功能)正推动业务成果的实现,这是以往所难以想象的。与此同时,这些技术也为负责确保高可用性和无缝运营的IT专业人员和开发人员带来了独特挑战。这也是IDC(国际数据公司)“继续预计未来五年(在APM中)基于SaaS的解决方案将以三倍于本地部署解决方案增速的速度增长......”的部分原因。
Splunk和SignalFx的联合将为IT和开发人员提供一个数据平台,使他们能实时监控和观测数据,而不管基础设施或数据量如何,帮助其降低成本,增加收入,提升客户体验等。这使企业能跨越整个数据环境开展工作,而不仅仅是数据中心或云原生环境中的“孤岛”。
据Gartner公司预计,“到2022年,全球超过75%的企业将在生产过程中运行容器化应用程序,这与目前不足30%的比例相比有着显著增长。”客户将能使用Splunk和SignalFx的技术在云端、本地或混合环境中部署应用,同时使用单一互联互通平台在所有这些系统中获得实时的可观测性和响应。
Splunk首席财务官Jason Child表示:“我们在资产负债表方面具备的实力使我们可以用现金来支付收购价。总股本对价加上SignalFx初始员工留用奖励将确保此次交易的总稀释率低于3%。交易完成后,我们希望在现有计划中消化收购SignalFx的运营费用。目前,我们正在重新确定全年非GAAP运营利润率目标。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。