作为全球数字化企业IT解决方案领导厂商,BMC一直立足于行业科技前沿,并不断进行技术创新。自2018年1月以来,BMC连续两次为其数字化企业自动化平台Control-M拓展新功能,旨在帮助用户更高效地实现IT和业务运营,更快速地采用创新技术,以数字化企业的速度实现自动化。
企业IT部门的目标是快速地将新技术投入使用,以推动迅速扩大的业务用户社区。各行各业的用户在使用Control-M进行数字化转型后取得了诸多成效,如降低成本、创造收益、缓解风险以及其他战略性优势。2018年1月,BMC立足于对DevOps、大数据和多云基础设施等提供支持,进一步增强了Control-M解决方案的易用性,具体功能包括:
Control-M所提供的现代业务应用软件编排功能,可以帮助新老用户更快速地构建、部署和管理业务应用软件工作流程,具有连续性和可靠性。若将传统的基础设施与多云、原生支持AWS和Azure、大数据、文件传输、持续集成/持续交付(CI/CD)管道自动化工具、容器等现代数字技术相结合,用户可以更迅速地采用和自动化管理这些创新技术。
BMC公司的数字化企业自动化总裁Gur Steif表示:“在如今的商业环境下,速度是数字化企业的立足之本。许多公司在推动数字化企业转型,同时又面临迥异的基础设施、不同的数据和加快节奏的应用等挑战。借助Control-M解决方案的新功能,企业组织就能够充分利用新技术,以数字化企业的速度实现创新。”
本月,BMC又对Control-M Managed File Transfer解决方案提供了功能增强,可通过单个端到端数字业务自动化平台支持所有文件传输,包括云中或本地内外部文件的传输。利用BMC的Control-M解决方案,企业用户可以迅速了解其文件传输和业务应用程序工作负载的状况,从而提高业务服务的效率和可掌控性。
“数字化转型带来的挑战日益加剧,各公司都疲于应对,在这样的情形下,实现自动化势在必行。”BMC数字业务自动化总裁Gur Steif指出,各公司都依赖跨多云和本地应用程序的文件传输来加快其内部、合作伙伴生态系统以及客户的事务处理,这就要求必须加快速度、增强安全性并提供审核报告。“利用我们对Control-M Managed File Transfer功能的最新扩展,企业用户可获得诸多好处,包括打破了各自为政的孤岛、降低了成本和错误量、可以更快地扩展业务,以及通过图形化报告和审核功能改善了文件传输透明性。”
凭借Control-M Managed File Transfer,BMC为用户提供了一个控制面板,通过统一视图即可即时了解内部和外部文件传输状态,从而获得对文件传输的控制能力,还通过加密选项增强了安全性,并通过自动化监视和恢复功能减少了风险和宕机概率。
Control-M Managed File Transfer 解决方案可以直观显示文件传输状态,帮助用户了解应用程序工作流产生的影响,并提供依赖文件传输的任务关键型业务服务。总体来说,该解决方案允许用户:
新功能的扩展和改进夯实了Control-M解决方案在数字化企业自动化领域的领导地位,也彰显了 BMC 在这一业界领先的数字业务自动化平台中不断融入全新创新技术的承诺。企业管理协会(EMA)还将Control-M评为《EMA Radar 2017年第四季度工作负载自动化报告》中的最佳产品,授予其“最佳DevOps支持”大奖,并称其为“价值领导者”。
EMA总裁兼首席运营官Dan Twing表示:“现代工作负载需要更先进的编排技术,由于如今数据源众多,基础设施基本都是由软件定义,业务应用软件的开发和执行更多地暴露在技术用户和业务用户面前。企业管理协会的Radar报告评估了满足这些市场需求的工作负载自动化(WLA)平台,事实上,自我们2010年发布首份报告以来,Control-M就一直是WLA解决方案市场上的价值担当。“
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。