经从IBM脱离出来作为独立公司运营的Kyndryl,正在扩大与VMware的合作伙伴关系,以帮助企业加速他们的云之旅。
两家厂商今天宣布了这一消息,几周之前Kyndryl刚刚完成从IBM的分拆,成为一家在纽约证券交易所上市的独立公司,而VMware也大约在同一时间从母公司戴尔那里分拆出来。
Kyndryl在成为独立公司之前曾是IBM的托管基础设施服务部门,主要帮助企业构建、部署和运行IT基础设施以及其他技术资产。Kyndryl有大约9万名员工,和超过4000家客户,是全球最大的IT基础设施服务提供商。
早在Kyndryl还没有从IBM脱离出来之前,就已经和VMware有着长期的合作伙伴关系。此次双方扩大合作,Kyndryl将提供咨询、实施和IT管理服务,帮助企业运行VMware Tanzu多云产品套件。
VMware在2019年发布了Tanzu套件,这是一组软件产品,旨在帮助组织更轻松地管理公有云和私有云环境中的Kubernetes集群,此外还包括开发者工具,让企业的软件团队可以更轻松地在Tanzu支持的Kubernetes集群上构建应用。
对开发者来说,Tanzu提供了诸如能够快速启动云数据库来存储应用数据等功能,此外还为IT运营团队提供了多种功能。除了简化Kubernetes集群的部署和管理之外,Tanzu还简化了确保网络安全最佳实践得到正确实施等任务。
对于Kyndryl而言,为采用Tanzu的企业提供IT服务可能会带来巨大的收入机会。
VMware在Kyndryl的全球企业客户群中占有很大比例。最近VMware表示,客户群中有75%的企业正在使用两个或多个公有云,由于该套件专注于简化多云操作,所以这为Tanzu提供了一个巨大的潜在市场。随着市场对Tanzu需求的增长,将会有更多企业对Kyndryl提供的IT服务感兴趣,而这些服务可以帮助他们简化该产品套件的部署和运行。
对于VMware来说,双方扩大合作伙伴关系也是有诸多好处的。大型云项目通常包含了专业服务,因为企业并不总是拥有自行执行重大IT项目所需的技能和知识。Kyndryl的专业服务可以帮助VMware客户更轻松地采用和管理Tanzu项目,从而使产品套件更易于使用。
VMware战略企业联盟高级副总裁Susan Nash表示:“由于一般组织在多个不同云中运行数百个应用,因此客户需要解决方案和战略合作伙伴让他们的组织尽可能灵活和有弹性。Kyndryl是一个战略性的合作伙伴,为双方共同客户带来了世界一流的解决方案、技能、专业知识和经验。”
据Kyndryl和VMware成,此次扩大合作伙伴关系的另一个重点将是“调整和优化双方的协作”,以支持VMware Cross-Cloud产品组合,该产品组合包括了Tanzu套件,以及来自VMware的其他产品如Carbon Black网络安全平台。
双方还构建了一个联合实验室来支持这一合作伙伴关系。据Kyndryl和VMware称,该实验室将开发解决方案帮助客户把Tanzu用于专注应用现代化、容器、可观察性和网络安全的IT项目。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。