IBM近日宣布计划以21.3亿欧元(约合23.3亿美元)收购Software AG的StreamSets和webMethods应用集成平台。
这笔交易是在Software AG被投资公司Silver Lake以超过24亿欧元的估值私有化仅几个月后达成的。与IBM这笔新交易的价值非常接近该公司被私有化时的价格,这表明 StreamSets和webMethods是其产品组合的核心支柱。IBM今天透露,这两款产品“不断增长,利润丰厚”,已经有超过1500家企业安装使用。
在被Silver Lake收购之前,这两款产品是Software AG数字业务收入板块的一部分。该部门还包括其他一些应用软件。在该公司2023年前9个月的5.707亿欧元收入中,StreamSets、webMethods 和数字业务的其他产品占3.932亿欧元。
总部位于德国的Software AG公司于2022年初通过收购一家初创公司获得了StreamSets。这是一个所谓的iPaaS平台,可以帮助企业在应用程序之间移动信息。例如,零售商可以使用StreamSets将销售日志从内部数据库转移到Snowflake环境中。
StreamSets支持多种数据传输方法。它可以在记录创建后实时将其流式传输到目标系统,也可以按设定的时间间隔分批发送。StreamSets还提供所谓的变更数据捕获工具,用于将存储在不同系统中的业务记录副本进行同步。
IBM从Software AG购买的另一款产品webMethods也是为类似的任务而设计的。它可以帮助公司在内部系统之间自动传输数据。2007年,Software AG以5.46亿美元的价格收购了最初开发 webMethods平台的公司,从而获得了webMethods。
这家软件制造商的网站显示,它正在开发一个名为webMethods AI的新版平台。据Software AG称,该产品允许用户创建集成,无需编写任何代码即可在应用程序之间移动数据。它还可以监控集成中的技术错误,并自动执行部分故障排除工作流程。
IBM表示,它将使用StreamSets和webMethods来扩展其watsonx产品套件的功能。watsonx 于今年 3 月推出,提供了企业用于构建人工智能模型的工具。它还包含了针对代码生成等任务进行了优化的预包装神经网络。
采用watsonx的公司可将人工智能模型使用的信息存储在名为watsonx.data的内置数据湖屋(data lakehouse)平台中。外部应用程序中的记录可通过一个名为ibm-lh的工具调入该平台。借助streamSets和webMethods带来的数据传输功能,IBM可以让企业更轻松地将计划用于人工智能项目的业务记录导入watsonx.data。
IBM软件高级副总裁兼首席商务官Rob Thomas表示:“与IBM的watsonx AI和数据平台以及应用现代化、数据结构和IT自动化产品相结合,StreamSets和webMethods将帮助客户释放其应用和数据的全部潜力。”
IBM预计将在2024年第二季度完成交易。在出售了StreamSets和webMethods之后,Software AG仍将继续在企业软件市场的多个细分领域占有一席之地。它提供了一个物联网设备的管理平台、一个名为 Adabas & Natural 的数据库,以及一个帮助企业更高效地执行日常业务的工具。
好文章,需要你的鼓励
前FBI网络安全部门副助理局长、现Halcyon勒索软件研究中心高级副总裁辛西娅·凯泽指出,勒索软件已成为当今最大网络威胁。研究发现,与伊朗政府相关的Pay2Key组织仅用3小时即完成加密攻击,而Akira组织从入侵到加密全程不超过4小时。更值得警惕的是,借助AI工具的"业余黑客"正大幅提升攻击频率,尽管技术粗糙,但海量低质攻击可能掩盖更隐蔽的高级威胁,给企业安全防御带来严峻挑战。
Alaya Studio联合多所顶级大学开发的"生成式世界渲染器"实现了虚拟游戏画面与真实视频间的双向转换。该系统通过从《赛博朋克2077》和《黑神话:悟空》收集400万帧高质量数据,训练AI理解材质、光照等视觉要素。创新的ReShade数据采集技术和VLM评估方法解决了传统合成数据的局限性,在材质识别和场景编辑方面取得突破性进展,为游戏开发、影视制作和创意设计提供了强大工具。
Nvidia收购Slurm工作负载管理器开发商SchedMD后,业界担忧这家芯片巨头可能借此优待自家硬件,削弱AMD、Intel等竞争对手的性能表现。Slurm运行于全球约60%的超级计算机上,Meta、Mistral、Anthropic等公司均在使用。分析师指出,尽管Nvidia承诺保持开源中立,但其对开发路线图的掌控仍构成"战略依赖风险"。专家建议企业多元化采购GPU,并在合同中争取硬件平等支持条款。
北京大学等机构联合发布DataFlex框架,这是首个统一的数据中心化动态训练系统。该框架让AI训练从"填鸭式学习"升级为"智能化学习",通过动态数据选择、配比调整和权重分配,显著提升模型性能和训练效率,同时保持与现有训练流程的完全兼容性。