至顶网服务器频道 05月16日 新闻消息:VMware本周宣布收购Apteligent,一家移动应用性能和监控技术提供商,并计划将其融入VMware的云和终端用户计算管理业务中。
VMware Telco Group总经理、战略及企业开发执行副总裁Shekar Ayyar表示,Apteligent带给VMware大量与应用如何运行在移动环境中相关的专利技术。
Ayyar表示:“我们将让跨云和终端用户计算环境的管理变得更加智能。我们正在寻求更好地跨整个VMware管理平台进行管理。”
这次交易的条款未对外公布。
Apteligent的技术可自动获取数据,并转译应用数据为用户提供洞察和信息,帮助提供移动业务性能。它会从应用的用户流中获取实时事件数据,追踪关键指标,利用移动生态系统数据点帮助客户改善性能。
除了Apteligent之外,最近VMware进行了一系列收购,旨在创建一个统一平台来实现在云、虚拟化和移动环境中的应用自动化和管理,Ayyar表示。
从2011年开始,VMware收购了Integrien,一家开发实时数据中心性能分析和管理软件的公司,帮助客户管理应用和基础设施性能。Integrien成为VMware开发其vRealize Automate(vRA)应用的基石,Ayyar说。
一年后,VMware收购了DynamicOps,带来的管理软件可以处理跨异构云基础设施的应用配置和服务,DynamicOps最终成为vRealize Operation(vRO)。
又一年后,VMware收购了Log Insight,一家分析和日志管理产品,由Pattern Insight开发,提供了对vRealize Suite的日志管理。
到了2016年,VMware收购Arkin,一家软件开发公司,让企业机构可以追踪网络传输流,以及虚拟环境和物理环境中的安全问题。该技术后来成为VMware的vRealize Network Insight(vRNI)。
今年年初,VMware收购Wavefront,一家微服务和DevOps技术开发公司,这也是它与AWS合作的跨云服务的一部分。
“Wavefront提供了快速获取的实时指标。随着客户考虑在容器环境中使用新应用,他们并没有几个月或者几年这么充足的开发时间。”
收购Integrien、DynamicOps、Log Insight以及Wavefront让VMware成为针对IT服务器端的管理基础设施,Ayyar说。
在客户端方面,VMware自主开发了用于管理桌面环境和虚拟桌面基础设施的架构。
管理方面的不断完善还在继续,2014年VMware收购了AirWatch,后者带来了移动设备和应用管理,以及面向企业的移动内容管理解决方案。
“现在Apteligent又进一步增加了移动环境中的应用管理,”他说。
Apteligent的竞争对手包括Mobile Iron、微软和思杰,他们都瞄准了如何将移动应用管理添加到各自的平台中。不过,Apteligent是少数几家该技术的独立开发方,这对VMware是很有吸引力的。
Apteligent进入这个市场有5年时间了,所以相对还是一家初创公司,没有OEM或者其他可能受到VMware收购影响的交易,Ayyar说。
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。