红帽(Red Hat)公司首席执行官Matt Hicks表示,借助当下的AI浪潮,渠道合作伙伴有巨大的机会增加价值并提高客户粘性。
Hicks在近日于美国波士顿举行的2023年Red Hat Summit上接受采访时表示:“AI会带来巨大的附加价值,从了解客户的数据,如何不将其置于公共领域对这些数据进行训练,到如何采用可能从模型中获得的建议,并了解这些建议的来源,以确定是否将其纳入你自己的产品中。”

Hicks表示,红帽公司在训练环境和加速开发项目投入AI能力,为渠道合作伙伴提供一些重要的托管服务收入机会。
Hicks表示:“当你审视整个围绕AI构建的生态系统时,你会发现,这将是我们所见过的、在附加价值方面最令人兴奋的生态系统。我们希望为生态带来一些一致性,以便所有这些新的合作伙伴都可以增加价值,并真正快速地做到这一点。他们知道底层的基础是什么,他们的工作范围可以从生产环境一直延伸到训练环境。”
Hicks表示,红帽公司几乎总是以合作伙伴为中心的,“无论是合作伙伴附加的工作负载、合作伙伴管理的工作负载还是合作伙伴部署的工作负载,合作伙伴是我们最后一英里的联结。”
红帽合作伙伴CTS看好人工智能
Converge Technology Solutions (CTS)是一家规模30亿美金的解决方案提供商,自2017年以来一直是红帽公司的合作伙伴。
这家总部位于多伦多的公司表示,红帽专注于为AI工作负载部署和生命周期管理带来效率和可重复性。
CTS公司美国首席技术官Greg Rhoades表示:“红帽给AI工作负载的操作平台提供了基础。但红帽平台的美妙之处在于,它确实跨越了客户需要运行AI功能的任何位置。”
CTS拥有一个完整的数据科学团队,专注于AI、机器学习和深度学习技术方面。
CTS应用现代化副总裁Andrew Tenaglia表示,随着红帽公司加大了与AWS和微软等厂商合作伙伴关系的投入,红帽在AI领域的前景将是一片光明的。
新的事件驱动型Ansible
CTS看好的一款产品是红帽新推出的事件驱动型Ansible,这是Ansible Automation Platform 2.4平台的一个组成部分。
事件驱动型Ansible旨在扩展用户跨混合云启用自动化的方式,可以降低IT基础设施的错误和退化风险;节约资源并释放IT员工的精力,以提高逻辑和应用质量;加快部署;连接基础设施和应用可观察性工具。
Tenaglia表示:“事件驱动型Ansible是我们绝对感兴趣的一款产品,因为我们在围绕AIOps的领域做了很多工作,减少平均时间,识别平均时间,解决客户运营挑战——我们可以利用像Dynatrace这样的AIOps平台发现存在的问题,但是把Ansible混合在一起然后实际采取行动,这是一个巨大的进步。这样你就不会在凌晨2点叫醒系统管理员来解决Dynatrace发现的问题了。它取代了凌晨2点的紧急呼叫。”
CTS表示,Ansible是一个自动化平台,是由个人或工作流启动的。Rhoades表示:“它不是对组织内的环境事件做出反应。这改变了这一点,因此,它为Ansible自动化提供了一个全新的前景,使其在组织中变得具有有意义,可能比Ansible通常所做的配置管理或配置方面的工作更有意义。”
红帽峰会上的AI创新
此次峰会上,红帽公司通过IBM Watson Code Assistant将新的生成式AI注入Ansible Lightspeed中。Lightspeed承诺在整个组织中采用更一致的、更准确且更快速的自动化,它利用自然语言处理并集成Watson Code Assistant,以访问构建在Red Hat OpenShift上的IBM Foundation Models。
此外,红帽还推出了一个新的Developer Hub,使合作伙伴能够构建世界级的开发人员门户,它提供了精选的工具、语言和资源,承诺提供更好的应用并减少Kubernetes和Red Hat OpenShift等环境之间的摩擦。
Hicks 表示,作为AI新时代的开源市场领导者,红帽将为合作伙伴带来巨大的机会。
他说:“现在AI发展趋势再真实不过了,红帽在这个赛道上做得很好,我们让合作伙伴围绕着AI提高附加价值。对于合作伙伴来说,这将是一个激动人心的时刻,因为他们将进入最后一英里,他们知道客户面临的挑战,我们希望能够帮助他们更快地到达目的地。”
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。