分析公司Splunk正在使机器学习成为其下一代企业解决方案的核心,并称速度将比以前快20倍。
Splunk的平台会处理大企业生成的机器到机器的数据,帮助这些企业找到薄弱点并提升运营表现。
Splunk有大约14000家客户,其中包括医疗服务提供商、金融服务公司例如Nasdaq和Black Rock,以及像John Lewis这样的零售商。
为了争取更多的业务,今天Splunk在华盛顿年度会议上发布了最新一代企业解决方案,其中增加了更多算法。
Splunk公司IT市场布道师Guillaume Aymé表示:“现在我们会把这机器学习原生地内嵌到我们做的一切中。机器学习将帮助可以更好地做出决策。”
总的目标是从企业设备生成的数据中提供更多洞察,帮助这些企业提高性能,此外Splunk还希望通过在自身产品中原生地内嵌机器学习,这将吸引到那些通常不会想到使用机器学习的那些小型企业。
Aymé表示:“我们正在努力为企业组织降低使用机器学习的门槛,不需要聘请专门的数据科学家。他们只是希望机器学习能够带来成效,而不需要知道底层是如何运作的。”
机器学习将被融入Splunk最新版本的产品中,这些解决方案将专注于解决欺诈和云监控等痛点。
例如,User Behaviour Analytics通过搜索异常情况帮助检测内部交易和潜在安全漏洞,例如有人在不应该登录的时候进行登录。
与此同时,IT Service Intelligence产品则采用机器学习来区分“常态的”异常——例如银行预计在月底可能出现使用高峰——以及需要改善性能的情况。
对Splunk Enterprise 7.0来说另一个重大变化就是改进了的指标,这使得客户可以更好地分析各种数值例如温度等。Splunk表示,这一变化将加速监控,“至少”发出警报达20次。
“想到物联网设备,通常是笨笨的,只是发送出各种数字。我们让客户可以更加轻松地对这种数据进行分析,”Aymé表示。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。