IBM 近日宣布与 Palantira 科技 (NYSE:PLTR) 建立新的合作关系,把 IBM 为企业提供 AI 技术的混合云数据平台与 Palantir 用于构建应用的新一代运营平台进行强强联合。新产品借助 IBM Watson,可以简化构建和部署注入 AI 能力的企业应用的过程,让用户可以轻松访问和分析分散在混合云环境中的海量数据并采取相应行动,无需具备高深的技术技能。这款名为“Palantir for IBM Cloud Pak for Data”的新产品,预计于 2021年 3月正式发布。
此外,Palantir 将采用红帽 OpenShift,以获得在混合云环境中随处运行的能力。
一项由 IBM 赞助的调研显示,将近 75% 的受访企业正在探索或实施 AI。但其中 37% 的受访企业表示自己的 AI 专业知识非常有限,31% 的企业认为不断增长的数据复杂性和数据孤岛是他们成功采用 AI 的主要障碍 。
为了帮助企业克服这些挑战,这款新产品使用 Palantir Foundry,同时集成 IBM Cloud Pak for Data 的服务,例如 Watson,可以提供包含数据和 AI 技术以及内置治理能力的信息架构。新产品旨在提供 “无代码/少代码” 的环境,帮助用户轻松构建各种注入 AI 能力的应用,包括利用 AI 做出数据驱动型决策的应用和自动执行任务与流程的应用等。Palantir for IBM Cloud Pak for Data 基于红帽 OpenShift,旨在帮助企业减少数据孤岛,整合混合云环境中的各种数据源,并在整个 AI 生命周期中管理数据。该产品是为帮助用户快速安全地使用数据构建和部署 AI 应用而设计,可以快速补充和扩展现有企业系统,加速企业的数字化转型。
IBM 和 Palantir 除了联手为客户提供所需的技术外,还结合双方的专业知识和数据科学技能,帮助企业扩大 AI 的应用规模。通过与IBM 数据科学和 AI 精英团队合作,各行各业的企业可以轻松处理数据科学用例,克服企业采用 AI 的各项挑战。
零售商经常面临复杂的挑战:面对供需波动,如何确定何时何地、以何种方式为客户提供商品?Palantir for IBM Cloud Pak for Data 能够将各个运营孤岛的数据整合起来,并使用这些数据快速构建新的 AI 模型和应用,从而为零售商提供更高的可视性和透明度。因此,它可以帮助零售商模拟和预测客户行为,持续监控供应链的运行状况,主动解决关键问题,更快地针对供需变化做出调整。
数据孤岛长期以来一直困扰着医疗健康行业,潜在会妨碍旨在改善业务流程和整体医疗服务质量的数据分析工作。Palantir for IBM Cloud Pak for Data 有助于统一各个孤岛和不同系统中的数据,为医疗健康服务提供方、研究人员和机构提供统一的数据集,便于他们分析数据,为企业实现效益,为患者带来福音。
金融服务业
许多金融服务机构通过并购发展壮大,但这也往往导致数据和应用环境碎片化。当“了解客户”成为合并后实体的优先任务时,他们就需要执行大量应用开发和数据整合的工作,以求获得完整而准确的单一客户视图。Palantir for IBM Cloud Pak for Data 能够帮助企业快速进行数据整合、清理、去重以及映射到通用数据模型(或“本体”),并将该模型快速扩展到其他用例,例如客户服务、市场营销、合规性和危机管理等。
除了供应链管理和欺诈管理,改善服务质量和优化营销与销售活动以吸引和留住客户,是企业的共同目标。Palantir for IBM Cloud Pak for Data 旨在帮助电信企业把来自供应商、CRM 应用、销售订单和生产流程的数据,与市场活动优化、呼叫中心优化、预测/预防客户流失的各种模型结合起来,改善客户服务,提高多个业务目标的价值。
IBM 云与数据平台高级副总裁 Rob Thomas 表示:“我们很多客户是在全球最复杂同时也是瞬息万变的行业环境中开展运营和提供产品与服务。IBM 与 Palantir 携手合作,可以帮助企业比以往任何时候都能更加轻松地应用 AI,在整体运营当中实现数据驱动。”
Palantir 首席执行官 Alex Karp 表示:“Palantir 的使命是为世界上最关键的机构开发软件。我们与 IBM 携手,结合双方的力量开发联合解决方案,提供给最需要的机构和人员,这将推动世界上最关键的机构进入前所未有的全新数字时代。我们与 IBM 共同承诺,以负责任与合乎道德规范的方式使用 AI。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。