近日,IBM宣布计划收购Instana,这是一家位于芝加哥的应用监控初创公司。该公司已经从Accel和Meritech Capital Partners等投资方那里累计筹集了5000多万美元。
此次交易的条款没有透露。
Instana的同名平台可以帮助企业组织追踪工作负载的运行状况,发现可能干扰用户体验的技术问题。该平台可以发现例如导致应用响应缓慢的延迟尖峰和处理由软件错误引起的错误等问题。
Instana可以追踪各种工作负载,其平台可用于监控在云端和本地运行的应用,以及开发团队用来发布新代码的自动持续集成和持续交付工具链,此外还提供了对运行在IBM大型机上的工作负载的可见性,这一功能无疑是IBM收购Instana的决定性因素。
IBM通过这次收购获得了新的人工智能能力。除了可以显示关于应用性能的数据之外,Instana还可以使用机器学习来显示IT团队感兴趣的模式。Instana的平台可以创建应用所有不同组件的地图,当其中一个组件发生更改时,会自动更新可视化效果。
当IT人员试图排除技术故障、查看哪个特定组件导致了故障的时候,他们可以查看应用的不同部分之间是如何关联的。在某些情况下,Instana的机器学习模型还可以主动标记问题的根本原因。
接下里IBM计划把Instana的技术与Watson AIOps平台进行集成。Watson AIOps提供了一个基准模型来确定企业基础设施是否正常运行,并在发现异常后向IT团队发送警报,提供有关如何解决故障的建议。
Instana首席执行官Mirko Novakovic在博客中这样写道:“下个阶段的创新是面向DevOps的AutoPilot,该系统利用AI和机器学习技术实现了DevOps团队很多手动任务的自动化,例如解决问题、回滚版本、自动扩展以优化吞吐量和成本等。”
IBM预计将在未来几个月内完成此次收购。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。