至顶网软件与服务频道消息: 随着网络业务的不断增长,服务器、云主机类的传统互联网业务运营模式也在迅速被Docker、Serverless等轻应用、无服务方式所取代。随之而来的是业务细分后产生的一系列开发、管理和运维问题。 企业要如何才能通过软件智能的方式,实现自主云管理?在9月19日Dynatrace PerformGo!上海大会,来自Dynatrace的众多专家就这个问题进行了深入的分析探讨。
众所周知,当前应用的交付方式主要是通过云的方式来进行,大规模的数据带来应用相互之间关系的错综复杂,形成非常多的相互依赖关系。如果没有AI的帮助,现在软件的平台,或者云的管理环境无法进行管理,特别是在数据爆炸的时代。
Dynatrace全球销售总裁Stephen Pace
Dynatrace全球销售总裁Stephen Pace在接受采访时,着重介绍了针对当前技术生态变化,Dynatrace的智能解决方法。Dynatrace的整个产品线都以AI为核心,并且与其所有的产品功能都紧密相关。他表示,尽管现如今大家都在谈AI,但Dynatrace的AI和其他公司的AI之间非常重要的区别是,其AI技术能够判断因果关系,亦被称作确定性AI。面对当前复杂的技术环境,怎么能够把因果关系梳理清楚、找到根因,然后迅速的定位问题发生的位置,这是Dynatrace AI的核心。这种确定性AI带来的效果,是其他仅有AI而欠缺决策引擎的公司达不到的。
Dynatrace 全球技术副总裁Chuck Miller
Dynatrace 全球技术副总裁Chuck Miller进一步介绍说,在传统的架构当中监控对象比较少,但在进入到微服务、容器以后,面对的可能就是十万、百万个监控对象,传统、老旧的监控工具根本无法满足企业的需求。Dynatrace的第三代监控工具产品当中,引进了集群概念,由很多服务器协同运作,有逻辑地作为一个分析引擎来使用。这样无论是在SaaS上面部署,还是在本地化的部署,都可以通过对这个集群做横向的扩展,来扩展监控范围和能力。这样就能做到最大限度的为所有用户提供支持。
Dynatrace重新打造了一个统一的平台,并开发出OneAgent(单一代理技术模块),实现了只安装一个Agent在主机上,就能监控所有的、不同技术的服务,并且支持不同主机的服务器,能够自动对数据进行收集并自动做分析。
Dynatrace 亚太地区副总裁Maurizio Garavello
Dynatrace 亚太地区副总裁Maurizio Garavello阐述了Dynatrace 新产品的重塑,根本原因在于当前的技术生态发生了变化。今天软件交付的生态环境,已经进入了一个全新的云时代,传统IT架构已经慢慢远去,这也使得IT企业需要创新变革,来适应IT环境的变化。Dynatrace 所打造的AI引擎,核心在于帮助企业实现运维的自动化,基于高质量的数据采集,进行智能的根因分析,高度的自动化可以帮助企业更高效、准确,且节省人力成本的做好运维。而这一变化的根本性的原因,是生态变了、环境变了,需要新的技术去面对新的问题。
Dynatrace亚太区市场总监Harris Loefti
Dynatrace亚太区市场总监Harris Loefti补充说明,无论是AI还是自动化,Dynatrace最根本的目的就是帮助用户更快地发现问题、解决问题,直接提供答案,而不是提供更多数据。正因如此,现在很多企业愿意通过使用Dynatrace来帮助其进行数字化转型。
近期,Dynatrace 与IDC共同对亚太地区1,300多名企业高管进行调研,并共同发布了《数字化转型蓝图:亚太地区软件定义企业》调研报告。报告显示63%的亚太地区企业均在数字化转型中遭遇数字化困境,其中多数中国企业采用数字化转型策略,实现了量化的数字化转型KPI标准。在做数字化转型中,机会与挑战是同在的。企业在想办法享受数字化转型的优势和成果的时候,也会遇到很多的问题。这就是Dynatrace帮助企业解决问题,使企业在数字化转型过程中少走弯路,增加效率和成功概率发挥作用的地方,也是Dynatrace将来会着重发展的方向。
Dynatrace大中华区总经理琚伟
最后,Dynatrace大中华区总经理琚伟介绍了Dynatrace目前在国内的重点行业规划。Dynatrace在金融和高端制造业领域已经赢得很多客户,包括顶级的技术类制造公司、传统的车企和汽车制造公司,以及零售业。从全球来看,Dynatrace 不仅在传统的金融、制造也这些行业非常有优势,在全球还有众多航空公司是Dynatrace 的客户。这些行业的企业都是以客户体验、客户经验为核心而建立起来的。Dynatrace会不断地扩展用户行业,不仅是集中在已有的方向,还有其他更多能够体现其产品给客户带来价值的方向。
最终回到一个最根本的问题, “软件在吞噬整个世界”,比如,制造业对这种“高速”、“精良”、“准确”和“效率”的要求就非常明显。用什么样的技术能够保证制造业企业持续不断的实现产品迭代和升级?就是Dynatrace的解决方案。未来Dynatrace还会在这个领域深耕,相信还会有很多的客户会加入Dynatrace的阵营。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。