IBM与VMware共同将IBM watsonx引入VMware Private AI 和 Red Hat OpenShift 的本地环境中,从而带来快速、透明的生成式AI功能
随着企业积极推动变革性创新, AI应用在2023年成为主流。尤其是生成式AI作为一种基于各种输入生成新内容的工具,大大激发了企业的想象力。生成式AI具有广泛的用例和任务范围,包括从代码生成到联络中心问题解决体验、IT 运营自动化、信息检索和内容创建。
所有AI用例的核心都是数据,而更重要的是通过访问和处理所需要的数据,从AI模型中获得最佳结果。企业需要将算力和AI模型带到创建、处理和消费企业数据的地方,以支持各种AI用例,包括传统的AI/ML 工作负载和生成式AI。企业还需要获得完整的技术堆栈满足传统企业级要求,例如使用保密计算以及能够在同一地点训练、调整和部署可以在各种云环境中运行的AI模型。
这便是“Private AI”的优势所在,这种架构旨在平衡AI带来的业务收益与企业的隐私和合规需求,侧重于为支持AI而构建的平台和基础架构,这些平台和基础架构可部署在公有云、虚拟私有云、数据中心和边缘站点中。
VMware Private AI 与 IBM 为生成式AI带来灵活性
IBM和VMware 可为企业客户带来灵活性,支持其在关键任务运营所在位置启用生成式 AI 用例。这就是为什么IBM和VMware将VMware Cloud Foundation、Red Hat OpenShift 和IBM watsonx AI和数据平台相结合。这一组合将支持企业能够在私有的本地基础架构即服务(IaaS)环境中访问 IBM watsonx,并通过 IBM Cloud 上的 watsonx SaaS 产品访问混合云。双方的共同客户将能够跨公有云、虚拟私有云、数据中心和边缘站点使用IBM watsonx的AI功能和数据管理,以及在不久的将来使用其治理功能,实现透明、可解释的AI模型。
VMware Private AI 可用于混合多云部署。通过使用Red Hat OpenShift,客户现在可以将 watsonx 引入VMware 部署的工作负载。双方的共同客户将能够访问 watsonx 平台的全部产品,该平台提供的产品可帮助客户加速部署、并扩展AI。客户可以选择使用 IBM Cloud Satellite 自动化和简化VMware Private AI with OpenShift 环境部署和第二日运营。
致力于提供多云价值的合作模式
此次合作源于IBM和VMware联合创新实验室。作为联合创新引擎,该实验室拥有一支专门的工程师团队。目标是发挥两家公司优势,通过向市场推出新产品来解决客户问题。该实验室于2018年成立,迄今已完成了众多以混合云和AI为核心的项目。
VMware和IBM计划开发一个经过验证的参考架构,支持双方客户利用混合云和受监管的本地环境训练和微调ML模型,包括用于生成式AI的大语言模型(LLM)。例如,将数据从一个国家的银行或金融机构转移到云上,可能会因监管限制而被禁止,或者由于数据太大,无法将其从一个地点转移到另一个地点。
IBM Consulting为客户提供 VMware 特定解决方案和生成式AI专业知识
今年早些时候,IBM Consulting 成立了生成式AI卓越中心,目前拥有 1000 多名具备生成式AI专业知识的顾问。他们正在与全球客户一起提升 IT 运营和核心业务流程(如人力资源或营销)生产力,改善客户体验,并创造新的业务模式。
结合IBM Consulting针对VMware 的丰富专业知识和服务能力,这将有助于在 VMware Private AI参考架构上使用企业级 AI 加速客户业务转型。
此外,对于希望实现工作负载现代化和转型的客户,IBM Consulting计划将 IBM watsonx 和 VMware Private AI 服务集成到其自主开发的IBM Consulting云加速器中,从而帮助加快云转型进程。在发布后,该集成将支持逆向工程、代码生成和代码转换,并帮助管理第二日及之后的运营,为用户带来IBM Consulting的无缝混合云管理服务。
助力客户打造生成式AI未来
IBM 与 VMware 的战略合作关系旨在帮助双方客户通过灵活的消费模式拥抱混合云,并实现任务关键型工作负载的现代化。在此过程中,IBM Consulting作为战略合作伙伴也将使客户受益匪浅。企业将能够选择何时、何地以及如何将生成式AI技术与 VMware Cloud Foundation 集成,在整个企业快速训练和部署自定义AI功能,同时保持对数据的控制。他们还获得了强有力的支持,在一个统一堆栈中充分利用 VMware 软件产品的最佳创新,打造一个与 IBM Cloud 合作伙伴技术带来的数据和 AI 功能相集成的一致环境。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。