IBM近日推出了Watsonx产品套件 ,旨在帮助企业更轻松地构建和部署AI模型。
IBM在年度Think大会上推出了其他几款新产品,同时预览了Watsonx。IBM还针对自己的云平台推出了新的计算选项,以提供对GPU的访问,此外还将发布一款AI工具,帮助客户追踪与其云使用相关的碳排放量。
Watsonx
IBM此次新推出的Watsonx产品套件包含三种不同的产品,侧重于简化企业AI项目的不同方面。
第一款产品是Watsonx.ai软件平台,可以用于训练生成式AI模型以及其他类型的神经网络。IBM称,客户将不必从头开始构建他们的模型,Watsonx.ai将提供对预先打包的AI模型目录以及用于训练这些模型的数据集的访问权限。
其中有一组内置的AI模型fm.code,旨在提高软件团队的工作效率。它允许开发人员使用自然语言命令生成代码。客户还可以访问fm.NLP,这是IBM针对特定行业任务优化的大型语言模型集合。
此外还有fm.geospatial神经网络包,其中包含的模型经过了气候数据和“遥感”信息的训练。根据IBM的说法,企业可以使用fm.geospatial来完成监测生物多样性和自然灾害模式等任务。
除了IBM开发的模型之外,Watsonx.ai还将提供对Hugging Face开源神经网络的访问。Hugging Face是由同名初创公司运营的,是一个类似GitHub的平台,用于托管开源AI模型和相关文件。IBM表示,客户可以通过该平台访问到数以千计的神经网络和数据集。
Watsonx产品套件的第二款产品是watsonx.data,据称,这是一个数据湖库,企业组织可以使用它来存储他们训练AI模型的信息。
当AI模型从数据库请求信息时,请求由查询引擎的软件进行处理,尽可能高效地检索文件,不同的查询引擎以不同的方式检索信息。
Watsonx.data将支持多种查询引擎,帮助客户优化他们的AI软件。每个应用都可以使用该模块,从而最有效地检索信息。IBM表示,watsonx.data还将提供许多自动化功能来简化用户的工作。
Watsonx套件的第三款产品是watsonx.governance。它可以检测AI偏差和模型漂移,一种导致神经网络随着时间推移而变得不准确的技术问题。IBM表示,watsonx.governance将使企业能够确保他们的AI项目符合隐私法规。
IBM公司首席执行官Arvind Krishna说:“基础模型使部署AI的可扩展性、可负担性和效率显着提高。我们构建了IBM watsonx以满足企业的需求,让客户不仅仅是用户,他们还可以成为AI领先者。借助IBM watsonx,客户可以在整个业务中快速训练和部署自定义AI功能,同时保持对数据的完全控制。”
AI新品
Watsonx套件的核心组件将于7月全面上市。IBM在此次Think活动中还详细介绍了其他很多产品。
IBM更新了公有云平台IBM Cloud,增加了可访问Nvidia GPU的计算选项。据IBM称,客户可以将Nvidia GPU用于AI训练和推理任务。推理是训练完成后在生产中运行AI模型的一种任务。
除了新的GPU选项之外,IBM还推出了IBM Cloud Carbon Calculator工具。据称,该工具使用机器学习来帮助企业衡量技术基础设施的环境影响,将于今年晚些时候全面上市。
与此同时,IBM计划将基础模型嵌入到其他几个产品中。IBM将推出一款名为Watson Code Assistant的工具,可以根据自然语言提示生成代码。基础设施方面,IBM将发布AIOps Insights,一款旨在加快故障排除任务的应用。
IBM还针对企业用户推出了新的AI功能。据称,IBM用于分析气候和地理空间数据环境的Environmental Intelligence Suite套件,将通过新Watsonx产品套件中的fm.geospatial模型得到增强。另外IBM还向Watson Assistant和Watson Orchestrate中新增了一个单独的基础模型,这两款工具主要用于对常见的业务任务实施自动化,例如处理客户支持票等。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。