至顶网计算频道 01月31日 新闻消息: IBM今天宣布,长期任职的首席执行官Ginni Rometty即将退休,由IBM资深高管Arvind Krishna接任,IBM股价今天晚些时候上涨了近4%。
除此之外,新近收购的Red Hat前首席执行官Jim Whitehurst将担任IBM总裁,这一变动将于4月6日生效。
现年62岁的Rometty在IBM工作超过40年,自2012年1月1日以来一直担任IBM总裁兼首席执行官。在她Rometty任职期间,IBM股价下跌了约25%,她努力推动公司转型以保持IBM的地位,试图让公司与云计算新时代与时俱进。
期间,“蓝色巨人”经历了一些本质上的变化,Rometty将云服务作为重中之重,同时还选择淘汰掉一些业务,例如她主导了2014年将IBM x86服务器业务卖给联想的交易。
据说即将上任CEO、之前任IBM云和认知软件副总裁的Krishna是Red Hat收购的主要架构师。该收购于2019年7月完成。
Rometty在一份声明中说,Krishna是一位“出色的技术专家”,在人工智能、云、量子计算、区块链服务的开发中发挥了关键作用。
Rometty说:“Arvind推进了IBM云和认知软件业务的发展,并主导了IBM历史上最大的一笔收购。Arvind拥有业务运营方面的丰富经验,在大胆转型和已有业绩方面有出色表现,是一位真正的以价值为导向的领导者。他有能力带领IBM及客户进入云计算和认知时代。”
分析师们对此表示看好。市场研究公司Wikibon首席分析师Dave Vellante认为:“IBM选择Arvind Krishna作为下一任首席执行官,表明IBM希望保持连续性并从内部聘用员工,同时以提拔Jim Whitehurst这样的新人,协助公司进行转型。这也标志着IBM选择具有更高技术深度的领导者,向高管们展示了对Red Hat的亲和力——红帽是IBM未来发展的关键。”
考虑到云对IBM未来的重要性,Krishna是领导IBM一个顺理成章的选择,Pund-IT分析师Charles King表示:“他是一位出色的技术专家,在领导IBM云部门方面做得很出色。”
Moor Insights&Strategy分析师Patrick Moorhead认为,这个消息令人意外,因为IBM此前并没有制定非常明确的继任计划。但是他补充说:“我很高兴见到Whitehurst被任命为总裁,这意味着IBM既有局外人,也有长期员工。”
此外他说:“Krishna带头推动了IBM很多下一代计划,例如收购Red Hat、推动区块链和量子计算的发展等。”
但是Enderle Group的Rob Enderle认为,这一举动实际上在他预料之内,因为IBM历史上每位首席执行官平均持续时间在10年左右,而Rometty在最高职位上就任时间已经接近10年。他说,这与微软决定用Satya Nadella取代前首席执行官Steve Ballmer的决定有些相似,因为两位高管都是领导业务部门,这个部分被视为对公司未来至关重要的。
Enderle说:“Watson和云将被定义成IBM未来的平台。如果微软模式奏效,而且从之前的经验来看确实如此,那么让负责公司未来的人来带领公司,就是一个理想的选择。”
Enderle还指出,IBM是为数不多几家在接任首席执行官之前对首席执行官进行正式锻炼的公司之一。
他说:“鉴于Arvind一直经营业务,他似乎代表了IBM任命新CEO的最佳选择,而且我希望看到IBM的这个领导人可以缺的和Nadella在微软类似的成绩。我见过他,并对他留下了深刻的印象,他在技术和人际交往方面都颇有好评,我认为这是一个很好的选择。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。