近日IBM表示,旗下咨询部门正在与AWS展开合作,帮助客户在IBM云计算基础设施上部署和实施生成式AI。

除了帮助客户部署一些非常具体的生成式AI用例之外,IBM还将watsonx.data平台与AWS进行集成,以及承诺到2024年底再培训10000名AWS生成式AI服务顾问。
IBM Consulting已经与AWS合作多年,帮助各行各业的客户实施AI和各种其他云服务。根据这次的消息,IBM表示希望在生成式AI方面取得进展。生成式AI是ChatGPT等类人聊天机器人和图像生成器等其他服务提供支持的一项热门技术。
这次宣布的合作伙伴关系,最初将侧重于帮助双方共同客户集成三个非常具体的生成式AI解决方案。IBM表示,将通过Amazon Connect实现联络中心现代化,已经与AWS合作创建了各种汇总和分类功能,使以客户服务为中心的聊天机器人能够快速总结与客户交互的详细信息,从而将这些呼叫无缝地转交给人类代理人。
IBM还将扩展在去年11月首次推出的Platform Services on AWS。IBM通过生成式AI对该服务进行了增强,使其可以更好地管理整个云价值链,为自动化与IT运营及平台工程相关的任务提供帮助。IBM表示,这个新的生成式AI功能为客户提供了工具,可以通过“智能问题解决和可观察性技术”,增强AWS上托管的应用业务可服务性和可用性。
至于Supply Chain Ensemble on AWS,也通过增加新的虚拟助手得到了增强,IBM表示,这将有助于加强和加速供应链专业人员的工作。
除了这些特定的生成式AI服务之外,IBM Consulting表示,还将把AWS生成式AI服务集成到IBM Consulting Cloud Accelerator中,帮助客户加速他们的云转型计划。据称,这些新服务的重点是逆向工程、代码生成和代码转换。
扩大AI人才库和工具
在加强这些新的生成式AI服务的同时,IBM还计划提高自己顾问团队的技能。IBM计划在明年年底前对10000名咨询人员进行AWS生成式AI服务培训和技能培训。实际上,IBM正在组建一支AWS AI专家队伍,他们将能够与客户互动,帮助客户找到利用新技术创新和改进业务流程的方法。
不过,客户不必只依赖IBM的专家。他们还可以使用watsonx.data等专业工具,watsonx.data是一个专门为生成式AI工作负载构建的数据存储,将在AWS上作为完全托管的软件即服务产品提供给客户。到2024年底之前,IBM的整个watsonx.ai和watsonx.governance服务组合预计都将在AWS上提供。
Constellation Research分析师Holger Mueller表示,云AI提供商和系统集成商正在竞相扩大联盟,以满足企业对AI系统的巨大需求。因此,此次双方的合作伙伴关系公告,对许多公司来说是个好消息。
“对于IBM来说,这也是一个引人关注的举措,因为IBM成为了Amazon很多AI服务的独家合作伙伴,尽管这种情况会持续多久还有待观察。”
他表示,IBM watsonx产品的可用性也值得注意,对于许多客户来说这可能更为重要。“IBM正在让watsonx成为AWS上的优先产品,可在AWS云市场上使用,这很关键,因为数据是AI的基础,因此watsonx.data将成为许多共同客户的起点。”
法国电信服务提供商Bouygues Telecom SA表示,他们是IBM和AWS扩大合作伙伴关系的最早受益者之一。Bouygues与IBM Consulting合作设计并实施了一项利用最先进AI技术、同时不断演化的云战略。
Bouygues和IBM通过IBM Garage方法共同设计了一个涵盖多个云场景的自定义数据和AI参考架构,该架构可以扩展到遍布IBM云和本地平台的所有AI和数据项目。Bouygues表示,他们通过这一点就能够以最低的成本或风险快速开发和扩大各种概念验证生成式AI模型。
Bouygues人工智能负责人Matthieu Dupuis表示:“当我们试图利用生成式AI从与客户的互动中获取洞察时,我们遇到了一些关于存储、内存大小和功耗要求的陌生问题。IBM Consulting和AWS在确定满足我们需求的正确模型并克服这些技术障碍方面,一直是宝贵的合作伙伴。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。