至顶网CIO与应用频道 06月13日 北京消息:CA Technologies(NASDAQ:CA)今天在其第二届年度“以建应变”峰会(Built to Change Summit)上宣布了全新的领先解决方案,将在未来可以充分释放大型机的潜能,以及以软件实现数字化转型的新可能性: CA Brightside以及同IBM之间新的合作协议,将协助客户实现自身IT基础设施的现代化来加速创新;CA Mainframe Resource Intelligence是一款基于SaaS(软件即服务)的产品,可以通过评估并提供性能优化的建议,帮助客户实现更高的大型机投资回报率。
DevOps的下一阶段(针对大型机)
CA与长期合作伙伴IBM公布了一项新的战略合作,共同为z系统(zCloud)上的IBM Cloud Managed Services开发和销售新服务。通过此次合作,进行依赖大型机关键业务的客户可以通过IBM的zCloud轻松获取开发、测试、应用程序管理和合规服务,并享受其带来的运营适应性、效率和员工敏捷性。
Anthem的首席信息官Tim Skeen表示:“CA和IBM对于大型机创新的共同投资,支持了我们的数字化转型,并彰显了对于帮助企业获取竞争力的承诺。 “CA和IBM今天发布的服务使我们能够获取最新的大型机技术和专业知识,从而在云端环境中运行关键任务工作负载。该产品让我们真正有机会通过大型机的真实云端体验,更快更安全地实现创新、交付新的功能。”
IBM和CA Technologies将共同提供一整套大型机软件解决方案,包括新发布的CA Brightside。该新产品最先在IBM zCloud上推出,可以将大型机更轻易地整合入企业的DevOps工作流程。CA Brightside是第一个旨在提高开发团队生产力的解决方案,让开发者能够使用熟悉的开源工具来控制、书写脚本和构建大型机,就像其他云端平台一样。
IBM全球技术服务部基础设施服务总经理Philip Guido表示:“我们的客户正在加速数字化转型,而对于大多数客户来说,加入大型机对于他们的成功转型不可或缺。为帮助我们的客户,IBM在z系统上引入了Cloud Managed Services,该服务将IBM大型机的安全性和强大功能与IBM Cloud的灵活性和可拓展性相结合。IBM和CA致力于深化该平台在数字化转型中的角色。”
在z系统使用Cloud Managed Services的客户还可以利用以下CA工具降低成本、加速应用部署与整合:
CA Technologies大型机业务总经理Greg Lotko认为,“CA和IBM一同帮助我们的客户克服IT拥有成本上升、员工队伍演变和安全问题所带来的挑战。 通过将大型机的可靠性与DevOps的速度和敏捷性相结合,我们可以一起帮助所有企业获取投资的更大价值。“
该软件和服务现在可用于z Systems上IBM Managed Cloud Services的所有客户,并将在2018年内在全球范围推出。
通过自动化加速大型机投资回报率
CA Mainframe Resource Intelligence是业界首创、利用现有大型机投资实现效益最大化的解决方案。这款基于软件即服务的评估产品能够在几天内提供具有可操作性的见解和实际步骤来实现业务成果,而不需几个月的时间,从而可实现扫描和收集不同数据的自动化,以评估和查阅在节省成本、优化和投资方案方面的潜在可能性。这是很有影响力的,因为绝大多数(78%)的大型机客户计划将MIPS增长10%*,但其中大多数没有获得额外的预算或资源。
Dollar Bank信息系统部副总裁Phil Mangis表示:“我们使用大型机来运作多方面的业务,因而高效的运营对我们来说至关重要。优化的过程是不间断的、持续的,伴随着大量的人力投入。CA Mainframe Resource Intelligence通过数据自动化、报告和基准测试,可以快速显示大型机现状并提供切实可行的见解,对于我们的业务来说是一个很大的机遇。”
除了大型机环境的这些创新之外,CA在全面的企业级软件产品组合的基础上,还宣布了一整套新的解决方案和新功能。
好文章,需要你的鼓励
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。