新闻要点:
美国纽约州阿蒙克市,当地时间2021年3月1日——IBM(纽约证券交易所:IBM)宣布,通过IBM Cloud Satellite,目前IBM已经可以在任何环境当中提供其混合云服务——包括在任何云、在本地,或者在边缘端。Lumen科技与IBM已经把IBM Cloud Satellite与Lumen的边缘平台集成在一起,使客户能够近乎实时地利用混合云服务,并在边缘端构建创新的解决方案。
IBM Cloud Satellite面向跨多种环境的客户,提供一个安全统一的云服务层,且不受数据位置的影响,这对于帮助解决客户关键数据隐私和数据主权的要求至关重要。目前,随着在边缘端能够安全地分析数据从而降低延迟,包括电信、金融服务、医疗健康和政府机构在内的许多行业将因此受益。与在线学习、远程工作、远程医疗服务等很多实时应用相关的工作负载,现在可以通过 IBM Cloud Satellite更加高效和安全地交付。随着工作负载转移到边缘端,IBM Cloud Satellite将帮助客户在获得低延迟的同时,仍然能够拥有在混合云环境中相同的安全性、数据隐私、互操作性和开放标准。
IBM还结合IBM Cloud Satellite推出IBM Cloud Pak for Data as a Service来扩展Watson Anywhere,以即服务的方式为客户灵活、安全地跨任何环境来运行其AI和分析工作负载,使客户不必自己来管理。EquBot是一家服务全球投资专业人士的金融科技公司,他们的工作已初见成效,在某些对时间要求严格的模型上,延迟已经从10秒缩短到1秒以下。这使得投资者能够面向整个金融市场做出更明智的决策。
Lumen是一家使能第四次工业革命的企业级科技公司,目前正在利用其全球边缘计算平台为其客户交付IBM Cloud Satellite。由此,Lumen的客户一方面可以发挥IBM Cloud Satellite的部署灵活性,另一方面可以利用Lumen边缘平台的广泛可用性、自适应网络和互联的安全功能,从而在安全利用边缘计算服务优势方面获得了选择与速度。
使用Lumen平台和IBM Cloud Satellite的客户可以在高度分布式的环境中(如办公室和零售场所)部署类似视频分析这类数据密集型的应用,充分利用专为仅容数毫秒延迟而设计的基础设施。由于此类应用可以通过IBM Cloud Satellite,在接近数据产生的Lumen的边缘端托管在红帽OpenShift上,使得摄像机和传感器可以近乎实时地工作,以帮助提高质量和安全性。例如,摄像机可以检测上次清洁表面的时间,或者标记潜在的人员安全隐患。此外,不同地区的客户也可以就近部署处理能力,使其更接近数据创建的位置,更有效地解决数据主权问题。
Lumen企业产品管理和服务高级副总裁Paul Savill表示:“凭借Lumen平台的广泛覆盖,我们可以为企业客户提供IBM Cloud Satellite,帮助他们快速推动在边缘端的创新。我们的企业客户现在可以将IBM Cloud的服务扩展到Lumen强大的全球网络当中,帮助他们部署必须兼顾高安全性和超低延迟的数据密集型边缘应用。通过将安全和开放的混合云能力扩展到边缘端,我们的客户可以推动其业务向前发展,充分利用第四次工业革命催生的新兴应用。“
依据这项合作,客户将能够:
IBM混合云平台负责人Howard Boville表示:“IBM正在与客户合作,利用边缘计算和AI等先进技术,使客户能够利用混合云进行数字化转型,同时把数据安全放在首位。利用IBM Cloud Satellite,客户可以在任何地方都能安全地从云服务当中获益,从数据中心核心直达网络最远端。”
IBM正在与包括思科、戴尔科技和英特尔在内的超过65家生态系统合作伙伴合作,构建安全的云服务,帮助客户通过IBM Cloud Satellite在任何环境中运行工作负载。基础架构合作伙伴推出存储、网络和服务器解决方案的选择,帮助客户利用他们现有的基础架构,在数据中心和边缘位置部署IBM Cloud Satellite。服务合作伙伴计划提供迁移和部署服务,帮助客户在任何地点以即服务的方式管理其解决方案。另外,IBM Cloud Satellite的客户还可以在Red Hat Marketplace上访问红帽OpenShift认证的软件产品,通过IBM Cloud Satellite部署在红帽OpenShift上运行,提供灵活的安装和管理,以及更大的便易性。
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。