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
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。