ZDNet至顶网服务器频道 06月02日 评论分析(文/赵效民): 众所周知,最近几年传统企业级IT的领导者IBM正处于一种自我调整的阶段,基于互联网的IT形态的迅速崛起,给这位蓝色巨人带来了巨大的挑战。收购SoftLayer发力云端、以CAMSS(云、大数据/分析、移动、社交、安全)为蓝本进行组织架构的重组,以及多笔以10亿美元为单位的战略投资,显示出了IBM在新环境、新时代下谋求新的领导地位的决心。
不过,给外界的印象最为深刻的,恐怕当属POWER硬件架构走向开放、出售芯片制造业务,以及放弃x86硬件业务,这让业界对这家百年IT老店的传统认识与其未来发展逻辑的认知之间,产生了鲜明的反差,而首当其冲的就是新改组而成的IBM系统部(IBM Systems)。也因此,我欣然接受了独家采访IBM高级副总裁,兼IBM系统部总经理Tom Rosamilia的邀请,希望能从他的口中,进一步了解IBM系统级平台产品未来的发展理念。
IBM系统部的使命
其实,这并不是我第一次采访Tom Rosamilia,但此前他的职位是IBM系统与科技部(STG)、集成供应链全球高级副总裁。如今STG已不复存在,Tom Rosamilia的职责也有了根本的变化,而这也是我的第一个问题:你的新职责是什么?
IBM高级副总裁,兼IBM系统部总经理Tom Rosamilia接受ZD至顶网的独家采访
深思片刻,Tom Rosamilia非常自豪的表示,“首先我的工作是非常伟大的一项工作。我们系统部包含中间件、存储系统与服务器业务,同时我还负责业务合作伙伴,”他进一步解释到,“这些合作伙伴不光是系统部,是整个IBM全球的业务合作伙伴的工作。我们下周会在中国来开Partner world的活动,这是成为我们整个IBM系统生态链的一部分。”他同时强调,IBM内部的整体架构更趋向于扁平化,与系统部平级的,直接向CEO汇报的还有云、沃森(Watson)、安全、移动等部门(可以参考CAMSS的定义),而这其中有一个重要的特点就是原来传统意义上的软件部门被拆分,融入到了不同的部门,也就是说现在每个业务部门都有相关的软件业务,所有的部门其实都在负责原来软件部门的业务。
“软件是我们所有各个部门的一个非常关键的部分。对于新成立的部门来说,我们都是在负责整个IBM的软件,这里面涉及到市场与客户,当客户找我们的时候不用涉及到单个、分散的部门,直接能够找我来统一负责,就是IBM的软件部门。” Tom Rosamilia补充到。
接下来,Tom Rosamilia进一步阐述他感到自豪的理由,“因为基础架构对于IBM很重要”,他开门见山的表示,“刚才说到IBM系统部整合了IBM服务器、存储和中间件,这是我们基础架构关键部分。我认为对于基础架构来说,现在是非常重要的,而且以后也都是非常重要的一部分。”
作出这一判断的理由,是基于对未来人类社会发展必然趋势的分析,“之所以认为基础架构如此的重要,是因为我们在全球目前发生着数字革命。所以我们每天会产生2.5万万亿字节的数据。这其中有90%是以前我们所没有看到过的。”现在Facebook上有10亿的使用者,到2017年,全球75%以上的汽车将实现车联网,将带来更多的新的数字化信息。而在具体的商业业务中,数字化处理已经占据了越来越多的份额,并提供了联合处理的可能。对此,Tom Rosamilia举例到,“我们有一些银行客户,他们90%的交易都来自于数字平台。这其中还有50%来自于移动终端。而当某人点击了购买确定按钮之后,并不仅仅是只发生某一个单个交易,而是触发了一系列的,像多米诺骨牌一样的关联事件。”
比如,当你每一次进行在线交易的时候,零售商首先要知道你是谁,在哪里,并结合你的历史消费来进一步分析你的消费习惯与喜好,接着还要知道如何来付款,以及如何来送货,同时作为零售商来说,既然卖出去这个商品之后要重新考虑库存等工作。显然这就是一个“牵一发而动全身”的关联操作。
“所以,数字化时代的商业要建立在一个非常可靠高效的基础架构之上,我们的每一次点击之后,这样的交易需要一个非常可靠的平台,这个平台就依赖于我们记录系统(SoR,System of Record),这个记录系统能够对信息进行处理,以及非常安全的保存,同时有全局的防范与可靠的备份,并支持信息的迅速检索以及快速的恢复。“Tom Rosamilia表示,对于任务一家企业与机构,这类信息化的交易、聚合、管理平台都离不开坚固的基础架构来支撑,而这就是IBM系统部的价值所在。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。