IBM Power Systems总经理Tom McPherson对CRN表示:“我们将继续分享我们的战略,与合作伙伴共同创造,获得反馈,并将其纳入我们的路径图。”
与IBM Power Systems合作的解决方案提供商可以期待服务器计算机(SAP HANA、银行和行业优化以及一切即服务)系列至少会带来三大增长动力,在过去的八个季度中,Power的生态系统有六个季度都实现了两位数的增长。
这是总部位于纽约州阿蒙克的Power Systems公司总经理Tom McPherson的看法。McPherson(上图)在接受CRN采访时表示,数据爆炸、越来越多地使用人工智能(AI)使数据具有可操作性以及确保AI工作流安全的需求,这些都是 Power的优势领域。
他表示:“我们将继续分享我们的战略,与合作伙伴共同创造,获得反馈,并将其纳入我们的路径图。”
IBM Power Systems
根据CRN的《2023年渠道领导者》报告,IBM在全球拥有约55000家渠道合作伙伴,其中北美地区有12000家。该厂商约30%的收入来自渠道。
McPherson认为,Power已经有数千家合作伙伴,而且数量还在不断扩大。合作伙伴也是Power 收入的主要来源
他表示:“我们完全致力于对该生态系统的投资。”“这是必须的。Power是我们各地合作伙伴的一项团队行动……我谈到的所有增长动力和我们的战略,都是为了让合作伙伴可以从中受益并增加自身价值。”
Power的路径图包括即将到来的内存增强、更灵活的消费、更高的性能、增强的加密算法、更多的量子安全功能和新的入门级服务器。
总部位于佛罗里达州塔拉哈西的IBM合作伙伴Mainline Information Systems是CRN的2023 MSP500成员之一,该公司负责管理服务和支持的副总裁Ray Lee在接受CRN采访时表示,自 2021年Power10 全面上市(GA)以来,该MSP的Power业务有了显著增长。
Lee表示,在Power10发布很久之后,Mainline“仍然拥有大量在寻求升级和发展的客户”。
他表示:“混合云将是我们Power品牌的重头戏,尤其在2024年之前。”“这种将带有power的混合云集成到云端的想法真的很火。”
Lee表示,对于Mainline来说,一个特别的机会是将Red Hat OpenShift和Red Hat Linux扩展到Power系统,“这样它就会成为该环境中集成度更高的一个解决方案。”
事实上,他表示希望看到Red Hat和IBM 在这一领域进一步整合,让新的Red Hat工具能够在 Power系统上原生运行。他表示:“我们希望看到它们同时发布,同时上市。”
IBM Power 的三大增长动力
McPherson表示,IBM是HANA版图中领先的企业内部和云端平台。IBM的产品可以帮助客户利用Rise与SAP托管云服务来部署ERP软件,并提供可靠、富有弹性和安全的灵活消费模式。IBM总经理表示,“和X86相比,Power的漏洞少了几个数量级”,“与X86相比,推理速度快了42%。”
他表示:“我们在数以千计的SAP 客户那里看到了真正的优势。”
McPherson表示,在行业现代化方面,IBM希望通过Red Hat OpenShift for IBM Power加快转型。Red Hat是IBM的子公司。
他表示,与独立软件供应商(ISV)的互操作性、IBM Cloud Paks和Watsonx.ai环境都是对这部分业务的补充。合作伙伴应该会看到“显著的增长”。
说到Power中的一切即服务,McPherson向解决方案提供商介绍了IBM 云端的Power虚拟服务器产品。
他表示:“从计算存储和网络的角度来看,它的设计方式与我们客户的内部部署类似。”“它更像是一种低摩擦的云提升。然后客户就可以在我们称之为无摩擦混合云行动的云端和内部部署中运行。”
他表示,客户的投资受到混合云信用额度的保护,这些信用额度可用于内部部署或IBM 云,为客户提供更灵活的消费方式。
在合作伙伴招募方面,McPherson表示他希望有强大的SAP合作伙伴。在现代化方面,与Watsonx合作的IBM解决方案提供商可能会发现与Power的互补性机会。
他表示:“我们是一个在人工智能方面具有优势的平台。”“我们认为这是一个我们希望发展的领域,而且我们正在这里发展。”
McPherson表示,他看到人们对利用Power10部署人工智能基础模型,然后利用Watsonx软件将模型嵌入到应用中的兴趣非常强烈。他表示:“我们的客户正在训练和部署机器学习模型,将其作为Power10中单一工作室解决方案的一部分。”“我们将开始寻找这些模式,然后在前进的过程中利用这些模式构建我们的市场进入策略。”
在IBM最近一季度的财报电话会议上,该公司高管透露,包括Power和存储在内的分布式基础架构同比增长了7%。IBM 基础设施业务同比增长2%,达到46亿美元。
好文章,需要你的鼓励
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。
华中科技大学和香港中文大学研究团队提出SATORI-R1,一种通过空间定位和可验证奖励增强多模态推理的新方法。该方法将视觉问答任务分解为图像描述、区域定位和答案预测三个可验证阶段,解决了自由形式推理中注意力分散和训练收敛慢的问题。实验证明,SATORI-R1在七个视觉问答基准上一致提升性能,最高达15.7%,并展示出更聚焦的视觉注意力和更低的训练方差。