近日,全球咨询机构Gartner®发布2023年《全球集成平台即服务魔力象限》(Magic Quadrant™ for Integration Platform as a Service, Worldwide),华为云凭借应用与数据集成平台ROMA Connect再次入选该象限,是亚洲唯一连续两次进入iPaaS魔力象限的厂商1。

华为将十多年数字化转型中积累的经验和能力沉淀到华为云ROMA Connect中,并向多个行业开放,使企业能够通过融合集成快速打通新旧应用程序和数据,帮助企业在数字化转型中平滑演进。华为云ROMA Connect具有数据集成、业务编排、服务集成、设备集成、消息集成、边云&跨云协同等核心能力,拥有强大的南向集成能力和高效的北向编排组装能力,能帮助企业简单集成、业务能力高效复用、业务流程按需编排。

组装式全域集成,打造数字联接底座
随着企业应用架构向组装式架构演进,华为云ROMA Connect集成平台提供了组装式全域集成能力,包括云边端协同、组合应用编排、连接器、统一集成模型、资产目录管理、元数据驱动、智能集成等,能够帮助企业快速交付业务。为企业和用户提供极致的自动化体验、高性能的云原生集成能力、开放的运营生态、公平且灵活的商业模式。

华为云组装式全域集成平台有以下核心能力:
·云边端协同,多级互联,让数字化联接无处不在
华为云ROMA Connect可实现边云协同和共享,能够反向联接云端,与云端级联互通,支持多组织跨网及业务隔离,按需打通内部业务。
·组合应用,TTM由周/天级变为小时/分钟级
华为云ROMA Connect提供了低码零码的可视化集成编排,能够让开发者快速上手;支持基于API、消息、事件的组装方式,可实现秒级部署。
·海量内置连接器,让组合结果多样化
华为云ROMA Connect内置各种SaaS应用、数据库、API、消息、行业协议等类型的连接器,帮助用户快速打通新老系统,连接信息孤岛,实现复杂、多样的集成。同时提供自定义连接器能力,可灵活定制扩展。
·统一集成模型,总体成本降低30%
华为云ROMA Connect基于开源CNCF Serverless Workflow定义统一的集成模型,与业界集成流模型接轨,引领集成领域开发者生态的发展;将各大集成能力标准化为统一模型,使Total Cost Of Ownership (TCO)成本降低30%,性能保持不变。
资产目录管理,业务能力高效复用
华为云ROMA Connect可将已有的组合应用、集成模型、自定义连接器等发布至资产目录,供内外部开发者快速选择自己所需的能力进行复用。
华为云ROMA Connect以其自身的技术优势,业务领域已覆盖中国、亚太、欧洲、中东和非洲地区,涉及制造业、智慧城市、交通、数字政府、金融/互联网、教育、能源电力等九大行业,已促进3000+企业业务创新,助力企业实现数字化转型。
面向未来,华为云ROMA Connect会在全域集成、组装式交付、智能集成和自动化等领域持续创新,为开发者带来更智能、更高效、更灵活的集成体验,帮助企业实现应用现代化。
1Gartner, Magic Quadrant for Integration Platform as a Service, Worldwide, 2023年1月发布。此报告2021年之前名称为Magic Quadrant for Enterprise Integration Platform as a Service。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。