IBM今天宣布,已经签署协议收购BoxBoat Technologies,一家位于美国马里兰州的咨询公司,专注于帮助财富100强企业和政府机构采用软件容器。IBM预期这次收购将有助于加速用户对IBM OpenShift平台的采用。IBM此前以340亿美元的价格收购Red Hat时获得了OpenShift,成为IBM提高收入增长和盈利能力计划的一个重要组成部分。
软件容器让开发者能够编写运行效率更高的应用,轻松将其部署在不同类型的基础设施上。因此,该技术正在迅速在企业中普及,而BoxBoat致力于为那些不具备必要技术知识自行部署容器的企业组织提供帮助。
BoxBoat的专业领域之一就是将企业现有的应用进行容器化。由于容器可以提高软件的效率,因此许多企业不仅采用容器技术来构建新的应用,而且还对遗留工作负载进行现代化改造。
这项任务为什么颇具挑战性,以及企业为什么通常需要求助于像BoxBoat这样的咨询公司,是因为对现有应用进行容器化往往需要对代码进行重大的更改。
而现有应用通常是基于单体架构的,也就是子组件是融合到单一软件中的。而相比之下,容器应用往往是基于微服务架构的,子组件并没有融合在一起,而是作为单独的模块运行,每个模块又运行在不同的容器中。将单体应用转变为面向微服务的工作负载,需要将组件分解为单独的模块。
BoxBoat还帮助客户完成相关任务。BoxBoat与企业组织通过合作在公有云或者其他地方构建基础设施环境,用于运行他们新的容器化应用。或者,它可以承担这些应用的日常维护工作,以释放企业内部IT团队的宝贵资源。
反过来对于软件开发团队来说,BoxBoat提供了设置DevOps管道方面的帮助。DevOps管道是一组软件工具,让企业的开发人员能够通过将那些耗费时间的任务实现自动化,以加快构建应用。
据IBM称,BoxBoat已经成功为不少财富100强企业和政府机构完成了诸多项目。BoxBoat与AWS、微软、谷歌也建立了云合作伙伴关系,收购完成之后,将成为IBM GBS全球商业服务业务部门混合云战略的一个组成部分。
IBM混合云服务高级副总裁John Granger表示:“我们的客户需要一种能够使他们跨越传统IT环境、私有云和公有云运行的云架构,这也是我们混合云战略的核心。没有容器化战略,任何云现代化项目都无法取得成功,而BoxBoat走在了容器服务创新的最前沿。”
IBM计划利用BoxBoat在容器领域的专业知识扩大OpenShift的采用。IBM把OpenShift作为一个软件平台用于构建容器化应用并使其运行在云中,同时OpenShift软件也是IBM CEO Arvind Krishna去年提及在“规模1万亿美元混合云市场机会”中赢得更大份额这一战略的核心。
BoxBoat在容器领域的专业知识将有助于推进IBM的OpenShift战略,因为IBM与OpenShift瞄准的复杂企业软件项目通常包括了各种咨询服务,其原因是即使是精通技术的企业组织有时候也需要外部协助来完成一项或多项技术任务。因此,IBM利用OpenShift提供的咨询服务越多,就越容易实施该平台,从而降低新客户的进入门槛。
咨询和专业服务是IBM的一个重要收入来源。上个季度,BoxBoat即将并入的GBS部门收入为42亿美元,IBM预计云专业服务的年市场规模为2000亿美元。
BoxBoat是IBM最近几个月收购的第三家云咨询公司,此前IBM收购了Taos和Nordcloud,后者被收购时的年收入已经达到6100多万美元。IBM预计会在当前这个财季完成对BoxBoat的收购,财务条款尚未披露。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。