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
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。