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
Finastra最新研究显示,99%的英国金融服务公司已采用人工智能技术,AI已成为金融业的"连接纽带"。该技术不再局限于后台自动化,而是推动实时欺诈检测、个性化产品推荐和智能承保等创新应用。AI投资间接促使银行增加其他技术投入,安全支出预计2026年平均增长40%。九成公司计划投资技术现代化以支持AI扩展,云技术采用成为重点。
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
HPE公司宣布其将为2026年米兰-科尔蒂纳冬奥会提供网络基础设施,这是HPE与其收购的Juniper Networks首次在重大赛事中联合部署技术服务。本届冬奥会覆盖超过2.2万平方公里,是史上地理分布最广的奥运会,拥有40多个场馆。HPE部署了包括4900多个接入点、1500多台交换机等设备,运用AI原生的HPE Mist平台和Marvis Copilot提供智能网络管理,确保为3000名运动员、媒体转播商和观众提供奥运级别的网络稳定性和安全性。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。