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
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。