至顶网CIO与应用频道 06月08日 北京消息:CA Technologies (NASDAQ:CA)在第二届“以建应变”峰会(Built to Change Summit)上展示了其产品组合的创新和提升,为每个公司利用软件进行数字化转型注入力量。这些解决方案将机器学习、人工智能、自动化和强大的高级分析及数据科学整合到用以支持全软件开发生命周期(SDLC)的工具和技术中。
在各个行业中,对于想要优化业务流程的企业来说,在企业内部使用人工智能和高级分析无疑是首选。据 Gartner近期的一份报告显示,“人工智能和机器学习战略开发或投资已经被列为首席信息官优先考虑的五个因素之一。”[i]然而,尽管人工智能在高端领域的效益已经逐渐被人们所接受,新的用例也在不断涌现,但人工智能若要真正完全实现商业效益,仍然面临阻碍。事实上,Gartner指出,“首席信息官在探索和应用人工智能方面面临两个关键挑战:缺乏技术娴熟和经验丰富的员工,和在IT和业务层面缺乏对人工智能的潜力的了解”[ii],这强调了企业在数字化转型过程中需要考虑技术之外的因素。
对于更优质体验的洞察
利用生成的大量数据获取可执行且有商业影响力的洞察,一直是一个挑战;而针对利用API和微服务提供新型或升级的产品和服务的现代架构,要利用其中的数据则更加复杂。为应对此挑战,CA可以帮助客户获取和应用对于机器学习和人工智能的深度洞察,从而助其实现更精准的规划、预测建模以及对于运营问题的实时修补。
IntelliNet销售副总裁Karl Kleinert表示,“作为一家专注于数字化创新的领先管理咨询和技术服务公司,我们深知数据在业务转型中扮演的关键角色。如果可以利用从各种平台获取的数据,并将这些数据相关联来获取可影响公司业绩的洞察,这将是一种非常强大的能力。”
CA正通过新的方式协助企业应用重要洞察,其中包括:
CA数字化运营智能是一种由机器学习驱动的解决方案,通过自动吸收来自各IT运行工具的跨领域数据,来提供全面的洞察。它由CA Jarvis提供支持,利用算法智能快速识别问题根源,评估和提升业务服务级别,改进成本和资源利用率,并且积极探查和修补潜在问题。
CA项目及组合管理(PPM)15.4版本新增路线图模块以提供战略规划能力,可实现自上而下的可视化规划和协作。该产品使得用户可轻松查看、转换和整理整个机构内的投资信息,并且携带大量的建模和预测功能,能提供可执行的商业洞察。
为DevOps提供智能自动化
对于CA Automic One Automation Platform的最新更新使得DevOps可以在自动化产品的新生命周期管理中运行,并且支持智能化重要路径管理和PostgreSQL。同时它还提供新的类编码自动化性能来为开发者提供左移自动化功能, 以及可以针对CA Workload Automation, CA Continuous Delivery Director和CA Jarvis实现自动化孤岛与新集成的连接,来打造更强大的分析能力。
TASC的DevOps架构师John Gildenzoph表示,“CA Automic One Automation引擎使TASC能够更好地协调我们的开发工具链,并根据需求插入合适的工具。无论我们需要部署软件还是新用例,自动化引擎都能够灵活地提供规模化的新服务。凭借CA自动化平台,我们现在是一个更灵活、更敏捷的企业,可专注于更重要的事情——即为公司创造商业价值,而不会被艰难的流程所阻碍。”
对于开发安全性的保障始于起点
作为CA安全产品组合的新增组成,CA Veracode SourceClear是一款基于SaaS的软件组合分析工具,该工具依靠远超美国国家信息安全漏洞库(National Vulnerability Database, NVD)的特有漏洞数据库以及漏洞方法技术,提高了静态成分分析(SCA)成果的可操作性。 CA的独特性在于,通过结合CA Veracode 和CA Veracode SourceClear产品,可以使得机构利用开源库加速软件开发进程从而支持DevSecOps的实现,而不会增加无法管理的风险。
Cardinal Health的经理和高级安全架构师Scot Bellamy表示,“能够将应用程序扫描整合到我们的DevOps实践中,意味着可以快速向用户提供新的增值服务,并保证所有应用程序和服务的安全性和完整性。我们正通过将安全性融入我们的开发实践中来实现左移和缩短开发周期。”
CA Technologies总裁兼首席产品官Ayman Sayed表示:“我们正见证着高级分析、机器学习和人工智能在当前和未来产生的效益。CA正帮每一个数字化转型中的企业,将这些能力与大数据、自动化和安全性相整合,从而帮助客户在其技术投资中获取更大价值。”
除了以上全新或更新的解决方案和功能,CA今天还宣布了大型机环境方面的创新。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。