随着企业网络环境变得越来越动态,意味着企业IT团队需要自动化工具才能让技术堆栈的价值最大化,IBM注意到了这一状况,并收购了协调平台供应商Pliant。
Pliant成立于2017年,提供自动化网络和IT基础设施任务的功能,并将这些功能抽象到应用层,使应用(和开发人员)能够最大限度地控制配置简化,并直接在应用中管理基础设施。这些优化包括传统网络、IT基础设施以及公共云的基础设施资源调配和管理、流量管理和配置管理。
Pliant拥有一个第三方供应商的开箱即用集成库,能够集成具有应用编程接口(API)或支持命令行接口的技术。Pliant可与其他API方法互补,并支持在私有云和内部数据中心进行部署。
在谈到其技术和服务在零售业领域的具体应用案例时,Pliant指出,大型零售企业在扩大业务的同时,可能难以管理其IT基础设施和网络,而增加员工人数以满足不断增长的部署、配置和管理服务需求可能并不可行。该公司补充表示,使用基于脚本的传统方法实现自动化也可能是一个挑战,因为企业可能会发现他们缺乏必要的、深度和广度的编码技能。
Pliant公司表示,通过部署低代码和无代码自动化方法,可以极大地扩展 IT 团队的工作范围,提高他们的工作效率,并提高零售企业在仓库、库存和网络运营方面的灵活性。
这笔收购的财务细节尚未披露,但此举标志着IBM在2024年的第二次收购。IBM表示,收购Pliant后,该公司将能够为客户提供从根本上简化基础架构和网络自动化的能力,该工具可以安全地自动化、集成和连接客户环境中的平台、服务和应用。
Pliant以客户管理软件和软件即服务(software-as-a-service)产品的形式提供,其自动化设计方法与IBM的愿景不谋而合,即建立和发展利用低代码和无代码功能的产品组合,使更多的开发人员和工程师能够获得IT工具和技能。
此次收购将扩展当前的软件产品组合——SevOne、Cloud Pak for Network Automation (CP4NA)、Hybrid Cloud Mesh、IBM NS1 Connect 和 Edge Application Manager——为企业提供能够在混合云环境中实现网络基础架构可观察性、连接性、控制和自动化的产品。
IBM软件定义网络总经理Andrew Coward在一篇评论此次收购的博文中表示:“对Pliant的收购是一个最新的例证,说明了IBM是如何通过研发和战略收购相结合的方式进行创新,为企业提供管理日益复杂的网络基础设施所需的数据、人工智能和自动化解决方案。”
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。