透明有序,为实现技术创新带来更多机会
北京, 2022年9月21日 — 今日,全球大型IT基础设施服务提供商Kyndryl勤达睿(NYSE:KD)宣布推出全新开放的集成平台Kyndryl Bridge。即使IT设施组合尤为复杂,Kyndryl Bridge也能为企业管理者提供实时洞察,与前所未有的控制能力和关键任务运营的定制化能力。
Kyndryl Bridge充分利用了Kyndryl核心技术优势:通过汇聚数十年的专业知识、运营数据模式和IP,产生可应用于实践的洞察,从而提供改善人工智能分析与相关业务的方式方法;由此,该平台在数字化业务和自身平台技术之间开辟出一条持续沟通路径。Kyndryl Bridge旨在满足客户当前的需求,实现互操作性,并实现可信与可用工具的价值最大化。

Kyndryl董事长兼CEO Martin Schroeter表示:“Kyndryl最擅长处理复杂任务,这恰恰是客户最需要的价值。Kyndryl Bridge将成为客户与Kyndryl更好地运行关键基础架构任务和开展数字化转型之旅的方式与路径。Kyndryl致力于转变IT服务的交付方式,而Kyndryl Bridge正是我们实现长远战略的核心——这一战略包括努力发展生态合作伙伴、使用先进技术工具和IP来创造出稳健、先进的交付系统,并最终将我们的专长聚焦于客户,能够大规模地为他们提供专业知识和最佳服务。”
在全球经济中,数字化是如今商业议题的首要考虑,有60%的CIO将其列为2022年最关键的增长动力。然而,碍于业务和技术的复杂性、以及关键IT技能的缺乏,大多数企业的进展被迫延缓。通过这一平台服务所支持的创新解决方案,Kyndryl正在加速其客户的数字化业务之旅。
IDC外包和管理云服务项目副总裁David Tapper表示:“如今,企业IT领导者负责管理日益复杂的IT设施与资产,他们需要更严格的监管、互操作性和人工智能分析支持,以避免各种挑战和宕机风险。Kyndryl Bridge能够连接起企业投资多年的工具、工作流和流程,同时提供实时、可操作的见解和建议,对处于全球经济中的企业而言,它是一个强大的平台系统。”
Kyndryl Bridge整合并连接了全球性企业所依赖的复杂管理和过程工具。平均而言,它能将企业每个服务器每月发生的事件数量减少74%。
Kyndryl CTO Antoine Shagoury表示:“通过减少对IT系统的关注和管理,管理者可以建立数字业务战略,释放IT资源用于更高价值的工作。这一平台提供了对资源的更多访问和获取机会,涵盖了关键工具,云、数据和人工智能、安全和弹性、大型机现代化相关的Kyndryl专家人才和其它一些重要IT设施组合。”
Kyndryl Bridge在设计时考虑到了可配置性。目前它正在演变,部署来自Kyndryl及其广泛增长的伙伴生态系统的大规模可用行业解决方案。该平台拥有自动化和由人工智能驱动的管理工具,将为技术管理者提供实时洞察,以防止宕机,并能更好地预测未来需求和成本。
思科全球战略合作伙伴和联合销售副总裁Nick Holden表示:“随着客户加速数字化转型,Kyndryl的全新数字集成平台可以提供丰富的数据见解、解决方案自动化和服务交付专业知识。Kyndryl Bridge是一个巨大进步,使得Kyndryl和思科能够提供我们共同客户所需要的业务成果。”
对于客户而言,该平台最大限度地发挥了多云原生能力的优势,并提供了一个“即服务”(aaS)操作环境。它被设计为一个战略数字中心,还将随着时间的推移扩大其功能、连接Kyndryl的先进技术工具与深厚的行业专业知识,在几乎遍布全球经济的每一个重要领域推动创新者的前瞻思考。
好文章,需要你的鼓励
迪士尼研究院开发了一种让双足机器人学会优雅跌倒的新技术。通过强化学习,机器人能够在跌倒时既减少冲击力保护关键部件,又达到用户指定的艺术化姿势。
土耳其中东技术大学研究团队开发出TimesNet-Gen人工智能系统,能够学习不同地点的地质特征并生成逼真的地震波形。该系统通过分析历史地震数据,为每个监测站建立独特的"地震指纹",在专业评估中获得0.93分高分,显著优于传统方法。这项技术为建筑抗震设计、地震预警系统和风险评估等领域提供了重要工具。
微软开始在最新Windows 11预览版中推出模型上下文协议(MCP)原生支持的公开预览,这使其备受瞩目的"智能代理操作系统"愿景更接近现实。该更新包含文件资源管理器和Windows设置两个连接器,允许AI代理在用户同意下访问本地文件和修改设备设置。尽管功能强大,微软仍需应对用户对其AI野心的不安和不信任情绪。
这项香港科技大学等机构的联合研究提出了SQ-format数据格式,通过混合精度处理实现了大语言模型性能的显著提升。该技术能智能识别模型中的关键信息并分配相应的处理精度,在几乎不损失准确性的前提下将运行速度提升近一倍。研究包含完整的算法设计、硬件实现方案和大量实验验证,为未来AI加速器的软硬件协同设计提供了重要参考。