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
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。