IBM近日宣布计划以21.3亿欧元(约合23.3亿美元)收购Software AG的StreamSets和webMethods应用集成平台。
这笔交易是在Software AG被投资公司Silver Lake以超过24亿欧元的估值私有化仅几个月后达成的。与IBM这笔新交易的价值非常接近该公司被私有化时的价格,这表明 StreamSets和webMethods是其产品组合的核心支柱。IBM今天透露,这两款产品“不断增长,利润丰厚”,已经有超过1500家企业安装使用。
在被Silver Lake收购之前,这两款产品是Software AG数字业务收入板块的一部分。该部门还包括其他一些应用软件。在该公司2023年前9个月的5.707亿欧元收入中,StreamSets、webMethods 和数字业务的其他产品占3.932亿欧元。
总部位于德国的Software AG公司于2022年初通过收购一家初创公司获得了StreamSets。这是一个所谓的iPaaS平台,可以帮助企业在应用程序之间移动信息。例如,零售商可以使用StreamSets将销售日志从内部数据库转移到Snowflake环境中。
StreamSets支持多种数据传输方法。它可以在记录创建后实时将其流式传输到目标系统,也可以按设定的时间间隔分批发送。StreamSets还提供所谓的变更数据捕获工具,用于将存储在不同系统中的业务记录副本进行同步。
IBM从Software AG购买的另一款产品webMethods也是为类似的任务而设计的。它可以帮助公司在内部系统之间自动传输数据。2007年,Software AG以5.46亿美元的价格收购了最初开发 webMethods平台的公司,从而获得了webMethods。
这家软件制造商的网站显示,它正在开发一个名为webMethods AI的新版平台。据Software AG称,该产品允许用户创建集成,无需编写任何代码即可在应用程序之间移动数据。它还可以监控集成中的技术错误,并自动执行部分故障排除工作流程。
IBM表示,它将使用StreamSets和webMethods来扩展其watsonx产品套件的功能。watsonx 于今年 3 月推出,提供了企业用于构建人工智能模型的工具。它还包含了针对代码生成等任务进行了优化的预包装神经网络。
采用watsonx的公司可将人工智能模型使用的信息存储在名为watsonx.data的内置数据湖屋(data lakehouse)平台中。外部应用程序中的记录可通过一个名为ibm-lh的工具调入该平台。借助streamSets和webMethods带来的数据传输功能,IBM可以让企业更轻松地将计划用于人工智能项目的业务记录导入watsonx.data。
IBM软件高级副总裁兼首席商务官Rob Thomas表示:“与IBM的watsonx AI和数据平台以及应用现代化、数据结构和IT自动化产品相结合,StreamSets和webMethods将帮助客户释放其应用和数据的全部潜力。”
IBM预计将在2024年第二季度完成交易。在出售了StreamSets和webMethods之后,Software AG仍将继续在企业软件市场的多个细分领域占有一席之地。它提供了一个物联网设备的管理平台、一个名为 Adabas & Natural 的数据库,以及一个帮助企业更高效地执行日常业务的工具。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
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。