IBM Power产品管理副总裁Bargav Balakrishnan在接受媒体采访时表示,在客户升级Power10并将其他2025年版本推向市场方面,服务合作伙伴将发挥重要的作用。
他说:“如果没有我们的合作伙伴生态系统——包括服务合作伙伴、MSP和几乎所有领域的合作伙伴,我们将无法成功推动任何这些东西的采用和销售。我们的合作伙伴拥有了更多工具来进行这种对话——无论是围绕适合用途的AI,还是客户可以快速上手、只需使用他们信任和了解的平台即可。现在他们也可以从现代化这个主题开始,切入点很简单,‘嘿,让我帮你解释和管理你的代码’,但肯定可以为渠道扩大更多价值创造和价值获取的机会。”
2025年即将亮相的IBM Power11
IBM表示,Spyre Accelerator为复杂的AI模型和生成式AI用例带来了可扩展的功能。它有32个独立加速器核心和一个外围组件互连的Express (PCIe)卡。芯片将数据从一个计算引擎发送到下一个计算引擎,并使用精度较低的数值格式来更好地利用能源和内存。
RPG的代码助手将利用生成式AI帮助软件开发人员理解现有的代码,用简单的英语描述创建新的RPG函数并自动生成测试用例。
据IBM称,代码助手将可以帮助IBM客户免去了把基于RPG的应用重构为Java和其他语言相关的费用、性能下降和风险。
Balakrishnan表示:“对于我们的客户和我们自己来说,这样做的目标不仅仅是提高现有RPG开发人员的生产力,而且同样重要的是,甚至更重要的是,让下一代人才和技能不高的开发人员能够快速上手并提高生产力,它围绕着诸如代码解释之类的事情——解释我数十年来编写的大量代码——帮助我生成新自由格式的RPG代码。帮助我生成测试脚本,让测试功能为企业做好准备,以及将我的旧固定格式RPG代码现代化为自由格式的、更现代化的RPG代码库版本。”
至于Power处理器的下一代产品,Balakrishnan鼓励合作伙伴寻求从现有安装群中获得更多的份额。
Balakrishnan表示,Power仍然是SAP HANA和其他ERP部署、核心银行部署、Oracle和其他商业数据库部署、以及其他关键任务用例的主要平台。为客户增加即服务采用以及使用Red Hat OpenShift进行现代化,是一些扩大用户新业务的增长领域。
IT支出转向AI驱动的项目,使AI技术“成为当今许多基础设施决策的切入点”,他说。“进入和参与这种对话并不意味着销售AI,而是意味着展示一个面向未来的平台,这个平台可以在今天做某事,并在未来针对某些用例和工作负载保护您的投资。”
现在与客户讨论IBM Power量子安全方法还为时不晚。事实上,本周三在纽约约克敦高地举行的首届量子开发者大会上,IBM透露自己的研究人员已经交付了一台量子计算机,这台计算机能够运行量子电路,最多可进行5000次双量子比特门操作,而且这台计算机是由IBM Quantum Heron的第二版提供支持的。
“服务提供商在帮助客户实现这一目标方面,发挥着关键作用,这一点非常重要,”他说。
Power其他引人注目的AI用例包括欺诈检测、异常检测和供应链优化,但合作伙伴可以将生成式AI引入传统的AI用例,例如添加摘要生成以汇总日志数据,以便进行异常检测。
他举了一个例子,说明混合云和AI结合在一起解决客户的问题——以及IBM开发芯片并不一定会与其他厂商产生竞争——他说,一家从事癌症检测的亚洲大型医院使用Nvidia产品进行训练,使用Power进行推理和部署。
他说:“这是为了将AI融入到各个领域,这不只涉及一种用例。我们看到,市场对混合解决方案的需求越来越大,这仅仅是因为数据主权和供应方面的考虑。我认为世界很快就会意识到它适合这个目的,它本质上是混合的,这种趋势将继续存在。”
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。