Elastic 是广受欢迎的开源项目 Elasticsearch 的母公司,已经从最初一个将搜索功能集成到应用程序的工具,发展成为一家提供全方位服务的科技公司。如今,该公司在安全、可观测性以及生成式 AI (GenAI) 等领域都有所建树 —— 这些都建立在灵活的开源技术基础之上。
在新加坡 ElasticON 开发者大会期间,Elastic 首席产品官 Ken Exner 接受 Computer Weekly 采访时,解释了公司如何在保持开源本质的同时,调整产品策略以适应业务扩张。
"最初的 Elasticsearch 是一个将搜索功能集成到应用程序的开源项目," Exner 表示,"它是有史以来最受欢迎的 Java 开源项目。"
从那时起,Elasticsearch 在两个方向上实现了进化。"第一个方向是搜索功能的演进,从最初的纯文本搜索发展到语义搜索、向量搜索,以及生成式 AI 应用场景,"他说。"另一个方向是向可观测性和安全领域的扩展。"
Elastic 进军可观测性和安全领域源于观察到用户使用 Elasticsearch 来分析大量日志以获取运营和安全洞察。"人们开始用我们的产品来搜索日志,"Exner 说。"这样他们就不用使用 grep 命令,而是可以使用搜索引擎。"
认识到这一使用场景后,Elastic 开发了开箱即用的日志分析和威胁检测功能,为更广泛的可观测性和安全产品奠定了基础。如今,该公司提供了一套完整的工具,涵盖应用性能监控 (APM)、指标、追踪、性能分析、终端保护、云安全,以及身份和行为分析。
Exner 指出,这种扩张通常遵循"登陆并扩展"的模式。"我们通常从日志分析切入,"他说,"然后客户发现他们也可以用我们的产品来处理指标。"他举例说明美国富国银行就使用 Elastic 的可观测性和 APM 功能不仅监控事件,还将其与业务数据结合,以量化运营问题对客户的财务影响。
然而,Elastic 平台功能的广泛性在服务不同用户角色时也带来了挑战。为此,公司通过其基于新无状态架构构建的无服务器产品提供定制化体验。
"我们为每类客户创建了专属的用户体验,因为如果你是 SRE (站点可靠性工程师) 或 DevOps 工程师,你可能不了解终端保护或搜索相关性,"Exner 说。通过为特定角色量身定制界面和工作流程,Elastic 让用户能够专注于自己的专业领域,同时仍然能够受益于平台的底层灵活性。
事实上,这种灵活性成为了公司的关键竞争优势。Elastic 在安全信息和事件管理 (SIEM) 市场与 Splunk 和 IBM 竞争,在可观测性领域则与 Dynatrace 等公司竞争。
"大多数公司要么创造易用但不灵活的产品,要么创造灵活但不易用的产品,"他说。"我们的方法是从非常灵活的基础开始,然后通过抽象层使其更易用,但客户始终可以深入到底层。"
公司的开源根基也增加了其灵活性。虽然某些功能仅向付费客户开放,但 Exner 表示,对于日志分析和向量搜索等核心功能,"社区用户和付费客户获得的功能差异不大。"
他还谈到了在亚太地区将开源软件商业化的挑战。"我发现,如果你提供的产品在经济上有意义,人们会选择付费,"Exner 说,并举例说明了 Elastic 广受欢迎的可搜索快照功能,该功能通过利用 Amazon S3 存储,让客户享受分层存储选项和成本节省。
展望未来,Exner 认为生成式 AI 是搜索的自然演进,而 Elastic 在这一趋势中具有优势。"我们一直在做向量搜索,并将其扩展到检索增强生成工作流程中,"他说,同时补充道 Elastic 还为大语言模型提供可观测性和安全工具,帮助组织监控和保护生成式 AI 应用。
尽管业务不断扩张,Exner 表示 Elastic 仍然坚持其开源理念。虽然某些功能采用专有许可证,但他表示产品核心仍然保持开源。"我们所有的工作都在 GitHub 上,人们可以向我们提交拉取请求,"他说。"这不仅仅依赖于我们 —— 社区也可以做出贡献。"
好文章,需要你的鼓励
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。