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
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。