BMC Software 发布了针对其大型机服务的数据存储和 AI 生产力增强功能。
根据 BMC 的说法,2025 年 1 月对 BMC AMI 产品组合的更新在开启大型机可能性方面"开创了新局面",它为最近宣布的 Cloud Data Sets (CDS) 添加了更多实质性内容。
BMC 在 2023 年 4 月收购了 Model9,并将其软件重新品牌化为 AMI Cloud。获得专利的 Cloud Data Sets 能够在不修改现有流程的情况下,直接访问本地或超大规模云服务商的对象存储。
"目前,在磁带和虚拟磁带库 (VTL) 上进行大型机数据的二级备份存储和检索既昂贵又耗时," BMC AMI 解决方案的营销副总裁 Priya Doty 表示。"BMC AMI Cloud Data 中的 CDS 功能提供了向对象存储的无缝过渡,这简化了备份和恢复流程,与传统解决方案相比可以节省成本。"
此外,通过 CDS,BMC AMI FDR (快速转储还原) 的当前用户现在可以将他们的磁带备份重定向到对象存储,无需直接访问存储设备 (DASD)、VTL 暂存或任何代码更改。BMC 表示,这将带来更快的备份速度、改善灾难恢复能力,并能够消除物理磁带和 VTL 存储的成本和基础设施需求。
去年,供应商在 BMC AMI DevX Code Insights 中引入了由 BMC AMI Assistant 支持的新 COBOL 代码解释功能。在生成式 AI 的驱动下,代码解释通过提供代码业务逻辑部分的简短摘要和代码逻辑流程的详细信息,赋予开发人员更强大的能力。
在 1 月的更新中,BMC AMI Assistant 现在包括"业内最广泛的语言支持",包括对 PL/I、JCL 和汇编语言编写的代码解释。BMC 表示,这有助于开发人员以"无与伦比的效率"理解、审查、扩展和测试大型机代码。
Java 在大型机上的使用正在增加,对改善应用程序性能的需求也随之增长。作为更新的一部分,新的 BMC AMI Strobe for Java 通过用户友好的网络界面,在单一工具中实现了"全面的"应用程序性能管理和分析。BMC AMI Strobe for Java 使开发人员能够"轻松识别"过度资源需求的来源,并在软件交付生命周期的早期阶段进行性能测试。
此外,由 BMC AMI Assistant 驱动的新型混合 AI 功能将 AI/ML 与生成式 AI 在 BMC AMI Ops Insight 中结合,简化了根本原因分析,有助于减少平均检测时间 (MTTD) 和平均解决时间 (MTTR)。新的交互式仪表板还允许用户根据其可观察性需求创建和个性化重点视图。
BMC 声称:"通过让系统程序员对他们看到的信息有更大的控制权,这些定制化的见解能够实现更快速和更智能的决策。"
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。