IBM今天宣布,已经签署协议收购BoxBoat Technologies,一家位于美国马里兰州的咨询公司,专注于帮助财富100强企业和政府机构采用软件容器。IBM预期这次收购将有助于加速用户对IBM OpenShift平台的采用。IBM此前以340亿美元的价格收购Red Hat时获得了OpenShift,成为IBM提高收入增长和盈利能力计划的一个重要组成部分。
软件容器让开发者能够编写运行效率更高的应用,轻松将其部署在不同类型的基础设施上。因此,该技术正在迅速在企业中普及,而BoxBoat致力于为那些不具备必要技术知识自行部署容器的企业组织提供帮助。
BoxBoat的专业领域之一就是将企业现有的应用进行容器化。由于容器可以提高软件的效率,因此许多企业不仅采用容器技术来构建新的应用,而且还对遗留工作负载进行现代化改造。
这项任务为什么颇具挑战性,以及企业为什么通常需要求助于像BoxBoat这样的咨询公司,是因为对现有应用进行容器化往往需要对代码进行重大的更改。
而现有应用通常是基于单体架构的,也就是子组件是融合到单一软件中的。而相比之下,容器应用往往是基于微服务架构的,子组件并没有融合在一起,而是作为单独的模块运行,每个模块又运行在不同的容器中。将单体应用转变为面向微服务的工作负载,需要将组件分解为单独的模块。
BoxBoat还帮助客户完成相关任务。BoxBoat与企业组织通过合作在公有云或者其他地方构建基础设施环境,用于运行他们新的容器化应用。或者,它可以承担这些应用的日常维护工作,以释放企业内部IT团队的宝贵资源。
反过来对于软件开发团队来说,BoxBoat提供了设置DevOps管道方面的帮助。DevOps管道是一组软件工具,让企业的开发人员能够通过将那些耗费时间的任务实现自动化,以加快构建应用。
据IBM称,BoxBoat已经成功为不少财富100强企业和政府机构完成了诸多项目。BoxBoat与AWS、微软、谷歌也建立了云合作伙伴关系,收购完成之后,将成为IBM GBS全球商业服务业务部门混合云战略的一个组成部分。
IBM混合云服务高级副总裁John Granger表示:“我们的客户需要一种能够使他们跨越传统IT环境、私有云和公有云运行的云架构,这也是我们混合云战略的核心。没有容器化战略,任何云现代化项目都无法取得成功,而BoxBoat走在了容器服务创新的最前沿。”
IBM计划利用BoxBoat在容器领域的专业知识扩大OpenShift的采用。IBM把OpenShift作为一个软件平台用于构建容器化应用并使其运行在云中,同时OpenShift软件也是IBM CEO Arvind Krishna去年提及在“规模1万亿美元混合云市场机会”中赢得更大份额这一战略的核心。
BoxBoat在容器领域的专业知识将有助于推进IBM的OpenShift战略,因为IBM与OpenShift瞄准的复杂企业软件项目通常包括了各种咨询服务,其原因是即使是精通技术的企业组织有时候也需要外部协助来完成一项或多项技术任务。因此,IBM利用OpenShift提供的咨询服务越多,就越容易实施该平台,从而降低新客户的进入门槛。
咨询和专业服务是IBM的一个重要收入来源。上个季度,BoxBoat即将并入的GBS部门收入为42亿美元,IBM预计云专业服务的年市场规模为2000亿美元。
BoxBoat是IBM最近几个月收购的第三家云咨询公司,此前IBM收购了Taos和Nordcloud,后者被收购时的年收入已经达到6100多万美元。IBM预计会在当前这个财季完成对BoxBoat的收购,财务条款尚未披露。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。