IBM渠道主管Kate Woolley在采访中表示,“一旦收购完成,我们的合作伙伴将有机会加入Palo Alto Networks的合作伙伴计划(如果此前尚未参与),从而获得销售Palo Alto Cortex XSIAM的机会。”
IBM与Palo Alto Networks正在共同努力,确保IBM能在以5亿美元向这家安全巨头出售QRadar之前,尽快让IBM的合作伙伴成为Palo Alto Networks的官方合作伙伴。如此一来,各合作伙伴将能够销售Palo Alto的Cortex XSIAM产品。
IBM全球渠道负责人Kate Woolley在采访中证实,“如果使用IBM QRadar技术的IBM合作伙伴尚未加入到Palo Alto合作伙伴网络,我们将努力确保Palo Alto能够为其快速办理参与流程,使其成为Palo Alto合作伙伴网络中的一员。”
同时担任IBM生态系统总经理的Woolley还提到,“一旦收购完成,我们的合作伙伴将有机会加入Palo Alto Networks的合作伙伴计划(如果此前尚未参与),从而获得销售Palo Alto Cortex XSIAM的机会。之后,我们将继续与QRadar本地客户及各合作伙伴携手,从IBM的角度支持并增强这些产品。与此同时,我们也将与Palo Alto合作研究,将这些客户推向更现代化的Cortex XSIAM产品究竟有何助益、继续保持原本状态又会如何。”
总的来说,Woolley表示IBM将“支持我们的客户迁移至”Palo Alto Networks。
她解释称,“我们的合作伙伴将发挥关键作用,帮助他们的客户将更多客户迁移至Palo Alto Cortex XSIAM。我们也将继续与那些正与客户共同开发QRadar本地产品的伙伴保持合作。”
媒体已经就此事要求Palo Alto Networks发表置评,但截至发稿时尚未收到回复。
IBM出售QRadar“出乎很多人,甚至是很多IBM员工的意料”
本月,Palo Alto Networks公布了其以5亿美元价格收购IBM QRadar业务相关软件即服务资产的计划,其中包括QRadar的知识产权。
此次交易的一大核心动机,在于为QRadar SaaS客户迁移至Palo Alto的Cortex XSIAM(扩展安全智能与自动化管理)平台打开大门。XSIAM是一款面向安全运营团队的AI平台,自2022年底推出以来已经得到客户的迅速追捧。
IBM全球合作伙伴NTT Data Business Solutions的高级副总裁兼云服务负责人Noreen Hansen表示,QRadar的出售令许多人感到震惊。
在2022年加入NTT之前曾效力于IBM的Hansen表示,“QRadar的出售着实出乎很多人的意料,包括IBM的内部员工。但在IBM Think部门工作一段时间之后,就会意识到与Palo Alto Networks的产品合并对于两家公司都有非常重大的意义。”
Hansen表示,QRadar加入Palo Alto Networks能够“增强产品组合,专注于免费的安全服务套件”以及满足客户需求。
她补充称,“这还让IBM能够继续专注于推动AI与混合云业务。”
尽管NTT Data Business Solutions已经是Palo Alto Networks的合作伙伴,但此次收购将使NTT得以加强与两家供应商间的关系。Hansen指出,“我们通常更愿意由三方联手参与同一个项目。”
IBM与Palo Alto Networks正成为“彼此的大客户”
Palo Alto Networks预计将于2024年9月底完成对IBM QRadar的收购。
IBM的Woolley认为,此次收购也将使两家IT巨头间互为客户的关系变得更加紧密。
Woolley表示,“总体来讲,从Palo Alto的角度出发,我们正在成为彼此的大客户,因为我们一直在关注Palo Alto如何以IBM客户的身份在内部运用watsonx技术,同时我们也在内部使用Palo Alto的技术。”
事实上,Woolley认为这笔交易其实是对原有合作伙伴关系的扩大。她补充称,“Palo Alto现在是我们重要的战略合作伙伴之一。”
IBM渠道团队目前的短期策略,是帮助各合作伙伴尽快成为Palo Alto Networks的合作伙伴。
Woolley总结道,“我们正在与Palo Alto生态系统携手合作,以确保IBM合作伙伴(如果还不是Palo Alto的使他伙伴)能够快速成为Palo Alto合作伙伴网络中的一员。”
好文章,需要你的鼓励
全新搜索方式出现,字节发布宽度优先搜索基准WideSearch,垫底的竟是DeepSeek
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。