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
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。