信息技术监控和分析厂商Splunk今天宣布计划收购Flowmill,这家位于美国加州帕洛阿尔托的初创公司,提供的软件平台可以帮助企业更好地了解其网络。
这次收购预计将在2021年1月31日完成,交易条款未对外公布。
在大型云和本地环境中,排除网络故障往往是一件很棘手的事情,因为很难将数据流量与生成流量的系统相匹配。Flowmill的监控平台让流量来源查找变得更为容易一些,帮助IT团队更快地解决问题。
该平台在后台采用给了一种名为eBPF的Linux内核组件,将数据包与系统和应用进行匹配(Linux是目前企业IT环境中使用最广泛的操作系统)。反过来,该平台的eBPF组件可以将代码直接部署到操作系统内核中,收集有关上层应用的低层级活动数据,并通过这些低数据确定是哪些特定工作负载导致了网络故障的发生。
加速故障排除的技术能力并非Splunk收购Flowmill的唯一原因。Flowmill让企业可以部署Flowmill平台而无需修改他们想要监控的应用或网络,从而避免了传统工具各种耗时的要求。而且Flowmill表示,其平台可以用于降低公有云的网络成本,因为它可以更容易识别那些占用大量带宽的应用。
Splunk计划把Flowmill的技术整合到自己的Observability Suite产品包中,用于监控基础设施和应用。这次收购将帮助Splunk向其功能集中增加基于eBPF的监控功能,而这正是眼下竞争对手和风投方越来越关注的一个领域。就在上个月,一家名为Pixie Labs的初创公司走出隐身模式,凭借一个基于eBPF的Kubernetes环境监控平台获得了915万美元的资金。
此次收购Flowmill只是Splunk最近一系列初创企业战略性收购中的最新一笔。上个月,Splunk收购了应用监控公司Plumbr和网站性能优化专业公司Rigor,将自身技术能力扩展到这两家初创公司所在的领域。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
香港理工大学联合多所高校开发的Mol-R1框架,首次实现了AI在分子发现中的透明推理。该系统通过PRID方法学习专家推理模式,配合MoIA迭代训练策略,不仅能准确生成分子结构,还能展示完整思考过程。相比现有模型,Mol-R1推理更简洁高效,为药物研发等领域的AI应用提供了重要的安全保障。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
蚂蚁集团AWorld团队发表突破性研究,创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航,通过执行智能体和守护智能体的协作机制,在GAIA测试中准确率达67.89%,稳定性提升17.3%,荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径,具有广阔应用前景。