至顶网CIO与应用频道 11月21日 北京消息: CA WORLD ’17 — CA Technologies(NASDAQ:CA)近日发布了新型现代大型机解决方案,以帮助企业机构提高洞察力,以自动预测和修复性能问题、保护客户隐私、提高敏捷性、并降低成本。通过CA大型机运营智能(CA Mainframe Operational Intelligence)、Z系统版本CA可信接入管理器(CA Trusted Access Manager for Z)及CA动态产能智能(CA Dynamic Capacity Intelligence),企业可以利用分析和机器学习增强与客户的数字互信。
CA Technologies大型机总经理Ashok Reddy表示:“奠定数字互信基础至关重要,全球80%的企业数据都驻留在大型机上,68%的生产工作负载在大型机上运行。数字互信对企业验证人员身份、保护数据、保证应用一体化及其性能都非常关键。通过AI(人工智能)和机器学习驱动的智能自动化,CA的新型大型机解决方案可围绕更广泛的数据集提供更多洞见。这将帮助企业通过智能自动化管理废退技能,同时在安全、可信的环境中提高当前平台 (包括Z操作系统) 的安全性、可扩展性和灵活性。”
通过机器学习更早预防问题并更快完成修复
CA大型机运营智能使用机器学习和自动化来捕获运行模式,启动动态、可靠的问题修复功能。该解决方案建立在异常检测的基础上,以便用户更为提前地预测问题,并在SLA受到影响之前自动进行解决。
使用IBM的系统管理设施(SMF)适配器,客户可以直接从Z系统环境中获取额外的数据,从而在来自外部CA产品的大型机数据的基础上从收集信息。这是关键所在,因为在机器学习和智能化方面,数据集越广,预测就越准确。
美亚保险的企业服务器资源规划和自动化总监Seth Millier称:“为支持大量新业务举措,我们的IT环境变得愈加复杂。我们希望通过融合机器学习和智能化来简化并改进IT运营,从而在提供优质客户体验的同时进一步减少开支。”
在充满网络威胁的新纪元里增强互信
根据数字安全供应商Gemalto1的最新调查结果,2017年上半年全球有近20亿数据记录在网络攻击中丢失或被窃取;被攻破的公司中有三分之二的股价受到负面影响。在65家受到评估的公司中,信息丢失给股东造成的损失超过524亿美元。
为协助企业应对风险、保持客户信任,CA通过Z系统版本的CA可信接入管理器(CA Trusted Access Manager for Z)帮助提高企业安全性。该产品使得安全管理员能够限制和监视特权身份在大型机执行的所有操作,以更好地防止内部威胁,增强企业数据私密性,让系统更加可靠,并且是市场上唯一拥有此功能的解决方案。CA主机安全套件包括 CA数据内容挖掘(CA Data Content Discovery)和CA合规事件管理器(CA Compliance Event Manager),后者涵盖新的数据类型以及美国及欧洲的新条例,由此可帮助企业更好地管理数据,并满足安全性和合规性需求。
IMB Z系统战略副总裁Mark Anzani表示:“所有企业对于网络犯罪所带来的安全性问题和风险的担忧正在与日俱增。通过IBM z14和CA提供的解决方案,我们的共有客户可以在应对安全性和合规性挑战的同时实现快速创新以驱动业务发展。”
在应用经济中控制成本
借助CA动态产能智能(CA Dynamic Capacity Intelligence),企业可以避免在产能利用方面出现意外的峰值,从而实现SLA目标,并最终提供可预测的月度许可费以降低成本。客户可以持续分析工作负载并动态地将产能按需分配到恰当的位置、时段,为IT行业和企业的利益相关方提供可预测的、积极的方式来确保关键工作负载的完成。
MHB的IT咨询师Manfred Hartmann表示:“虽然降低成本很重要,但可以证明,IT同样需要保证达到关键工作负载的SLA目标。我观察到CA动态产能智能在简化操作的同时确保关键工作负载获得所需产能,从而快速提供客户价值。同时,它还有助于更准确地预测成本,每个公司可因此节约近10%的成本。”
CA Technologies 在CA World’17上展示了超过20余种产品创新和提升,这些解决方案为广大公司提供了适应变革、以及推动现有科技投资以实现未来成功的能力。从内部部署到云计算,以及两者之间的所有服务,CA可以提供业界领先的产品、解决方案和专业技能,帮助企业移除阻碍,在竞争中一马当先、出奇制胜。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。