应用性能公司Riverbed日前宣布推出Riverbed SteelCentral应用性能指挥中心,进一步拓展其全面性能监测与管理解决方案,解决企业在管理新兴移动和云技术方面存在的盲点。为满足这些需求,Riverbed推出了SteelCentral SaaS解决方案,提供云性能管理。同时利用SteelCentral Aternity,将监测功能扩展到任意终端设备。
Riverbed公司高级副总裁兼SteelCentral业务总经理Mike Sargent指出:“企业现在正加速采用云技术和移动技术,以便提高敏捷性和灵活性,这也同时改变着整体IT环境。传统监测方法的可用性和性能都需要适应这些技术。我们此次发布的新品将能够帮助企业利用这些颠覆性技术,同时又能够消除关键盲点,帮助企业积极主动地管理他们关键应用上的整体端到端性能。”
SteelCentral SaaS:面向云内外的全面可视化。Riverbed推出的SteelCentral SaaS将终端用户体验和应用监测、网络性能监测结合起来。由于企业越来越依赖云来帮助他们缩短应用发布周期和降低成本,那么保持对多层应用的统一可视化就具有非常大的挑战。传统的APM(应用性能管理)工具对于影响云托管应用性能的网络性能问题完全无知。而作为SaaS解决方案,SteelCentral则可实现应用、终端用户和网络性能的可视化,为企业提供针对云应用的全面监测方案。
终端用户体验监测:通过新近收购的终端用户体验(EUE)监测方案领先提供商Aternity,Riverbed将SteelCentral扩展到包含物理、虚拟或移动设备上运行的所有应用的EUE监测。通过新增SteelCentral Aternity,SteelCentral能够从各种来源广泛收集数据,包括应用服务器、应用程序代码、UC系统、局域网、广域网、浏览器和终端用户设备,帮助客户快速发现和修复性能问题,无论问题发生在哪里。
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。