ZDNet至顶网服务器频道 10月08日 新闻消息(文/赵效民): 在出售了x86业务之后,IBM服务器产品线中,就剩下了PowerSystems与System z,而IBM对于整体硬件业务的态度也一直是业界津津乐道的对象。就在一周前,联想正式宣布收购IBM x86服务器业务完成,也预示着IBM服务器业务的新篇章,而今年的Enterprise大会也正是在这一背景下举行的。
与往年一样,本次大会以乐队开场(我没认出来),鼓点很带感,印象中比去年的更年轻、更现代一些,乐队也更有激情,这难道是IBM想要传达给听众的感觉?而大会也将一周的时间安排得满满的,Keynote更是安排在早上8点就开始,似乎主办方IBM STG部门有说不完的话……
第一个做主题发言的就是IBM系统与科技部(STG)、集成供应链高级副总裁Tom Rosamilia。他从趋势入手指出了企业IT面临的新压力与新转变,其中主要的4个因素就是移动/社交、大数据与云计算。而根据IBM的调研显示,越来越多的企业因为上述4点而开始重新审视并加大对基础设施的投资。
IBM也根据移动/社交(2015年将有30亿个互联设备)、大数据(目前每天全球产生25亿GB的数据)、云(2015年70%的企业将采用混合云)的演进,提出了自己的应对逻辑,核心是三大系统(SOR-记录系统、SOE-交互参与系统、SOI-洞察系统),其撑起外层的云,而最外层则是主动安全智能防护。
对于整体堆栈,就是为两种方案服务——针对CxO的商务方案和针对CIO的基础架构方案,它集成了基础设施、运行环境、中间件、技术服务、应用与方案以及咨询与整合服务,而这也正是IBM所能提供的完整组合与优势。而对于基础设施,开放、安全、可靠、可用、可扩展与灵活性则至关重要。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。