IBM即将收购位于美国波士顿的Turbonomic该公司,该公司的平台可以帮助企业降低云支出同时提高应用性能。
IBM没有透露这笔交易的金额,但有消息人士告诉路透社,交易估值在15亿至20亿美元之间,这比Turbonomic在上一轮融资后获得的9.63亿美元估值要高得多。
Turbonomic提供一个所谓应用资源管理平台,利用人工智能帮助企业优化公有云环境。该平台专注于两个主要场景,一个是优化云应用性能,另一个是降低云应用带来的基础设施成本。
Turbonomic的AI模型可以分析企业的云环境,检查是否分配给工作负载的硬件资源少于最理想的所需硬件资源。例如,Turbonomic可以检测周末流量激增期间是否需要为电子商务网站数据库提供更多的网络带宽。然后,AI模型向管理员提供有关如何解决已确定问题的建议。
Turbonomic的平台提供类似建议来减少云支出的浪费,这也是Turbonomic的另一重要卖点。例如,Turbonomic可以告诉IT团队他们为某个工作负载配备了超出所需的存储容量,同样也可以检测出应用是否运行在一个没有必要那么庞大且昂贵的云实例上。
IBM计划把Turbonomic与最近收购获得的监控产品Instana进行集成。Instana在堆栈上层提供了可观察性。Turbonomic主要专注于检测基础设施级的问题,例如应用由于未被分配足够多的虚拟机处理器而导致运行缓慢,而Instana主要致力于发现软件级的问题,例如因为应用升级存在漏洞而导致延迟越来越高。
IBM认为另一款可以通过收购Turbonomic得到加强的产品是IBM Cloud Pak for Watson AIOps。去年推出的这款产品提供了由AI生成的建议(有些类似于Turbonomic所能提供过的建议)可以帮助IT团队解决基础设施相关问题。
此次收购Turbonomic将推动IBM从传统业务领域(例如专业服务)向云和AI等高增长市场的重心转移。作为该战略的一部分,去年底IBM宣布计划分拆规模190亿美元的管理基础设施服务部门。当时IBM首席执行官Arvind Krishna表示,这次分拆将有助于IBM把更多精力放在“规模高达1万亿美元的混合云市场机会”上。
IBM云与数据平台事业部高级副总裁Rob Thomas在一份声明中表示:“IBM将继续重塑自己作为一家混合云和AI厂商的未来前景。收购Turbonomic,是我们致力于通过最具影响力的投资来推进这一战略的又一例证。”
IBM还特别提到了AIOps的行业趋势,AIOps是一种利用机器学习实现重复性IT任务自动化的一种技术。IBM自动化部门总经理Dinesh Nirmal表示:“我们相信以AI为基础的自动化已经成为一个必然趋势,这将让所有以信息为中心的任务变得更加高效。其他主流行业参与者(例如ServiceNow)近期也进行了相关投资以扩展自身的AIOps能力。
IBM预计将在第二季度完成对Turbonomic的收购。
Gartner分析师Chirag Dekate在电子邮件中表示:“IBM收购Turbonomic,代表了IBM在为那些希望加速云迁移和价值增长的企业IT领导者提供聚合价值方面,迈出了自然而然的一步。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。