至顶网CIO与应用频道 11月17日 北京消息:CA WORLD’17 — CA Technologies (NASDAQ:CA) 今天宣布FreshTracks.io Beta版正式开放注册,这是CA Accelerator的项目之一。CA Accelerator旨在将现有10个初创企业加入到孵化器中。CA Accelerator的孵化器功能就如公司内的精锐初创部门,让内部创新者能获得支持和资金以开发和测试市场上新产品的想法。
FreshTracks的诞生源于微服务的演化,CA的工程师试图用现有的解决方案来监测他们不断发展的微服务。FreshTracks.io成立是为了解决在监控和缩放集容器应用方面遇到的实际问题。 借着CA在容器领域的专业技术,FreshTracks.io团队从一开始就做好准备,从客户体验的角度来关注问题,而非使用现有的传统工具。团队利用开源技术为基础,在机器学习中建立一个能够实时智能提醒的自主学习监控系统。这对于认真对待容器运营的、特别是使用Prometheus和Kubernetes的团队,无疑是一个具有成本效益及推动快速上市的解决方案。
目前的容器监测工具可以成功采集有关应用程序状态的指标,可是针对采集的数据为工程师提供动态异常检测方面仍然不尽人意。FreshTracks.io利用机器学习提供智能警报让应用程序有更高的可用性。而可行的警报也确保工程师能花更多时间在重要的问题上。
机器学习和自动化技术的深入令企业对容器管理技术需求日趋强烈。 FreshTracks.io已是CA Accelerator诞生的第四个以容器管理技术为中心的项目。
FreshTracks.io联合创始人Bob Cotton表示︰“CA Accelerator文化重视创新精神,亦正改变我们思考如何解决客户所面临挑战的模式。通过我们自己的经验,我们意识到容器监控的需求,并将自己的解决方案分享给面临类似挑战的人。我们对开发人员在这个新兴领域的市场机遇感到很兴奋,CA Accelerator计划的灵活性和丰富资源使FreshTracks.io得以实践。”
CA Accelerator 计划
传统的创新模式往往为企业长远发展项目上作出数个重大投资,但亦因锁定或有缺陷的假设而错失良机,相比之下,CA Accelerator 培育出许多能够迅速成功的小型项目。
而FreshTracks项目的孵化器轮班制度亦有助减低员工分身不暇的风险。为期12个月的轮职过程中,CA员工在公司的职位会暂时冻结,让员工专注建立自己的业务,同时提供最大的自由度让他们追求创意。迄今为止,已有超过100名的CA员工加入了该计划。
由2016年推出以来,CA Accelerator已协助引领和促进公司的文化变更敏捷和创新。CA Jarvis 作为一个内部分析引擎,同时也是CA Accelerator迄今最成功的项目,已被融合到CA的敏捷运营,API管理和安全业务线。CA Jarvis只是其中一个证明CA Accelerator计划如何强化CA现有的软件组合和推广公司文化的例子。
CA Technologies技术总监Otto Berkes表示︰“当我们去年开展CA Accelerator计划时,这并不只是将创新理念带到公司内部。我们同时需要确保CA Accelerator能够如北极星一样透过加速行业内的文化和科技转移引导我们。我们非常欣喜看到我们的孵化器团队和客户紧密地合作以解决未来的挑战。”
已被挑选的计划例如FreshTracks.io,CA Jarvis,Waffle.io,Yipee.io和WhoZoo.io均在11月13-17日在拉斯维加斯举行的CA World展示。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。