各大消费品牌通过关注客户访问其产品和服务时的体验来赢得市场份额,这场竞争正在迅速蔓延到企业领域,混合办公型员工希望他们无论身在何处,都能获得相同的IT服务功能。在这一期望越来越强烈的背景下,思科对其Full-Stack Observability Platform进行了技术预览,目标是展示公司如何为员工、客户和合作伙伴提供所需的数字体验。
Cisco Full-Stack Observability将于2023年6月全面上市,旨在让团队能够将来自他们自己上下文的遥测数据汇集在一起,推动整个IT资产的相关洞察力,无论他们是DevOps工程师、站点可靠性工程师(SRE)、云端运营、ITOps、业务线还是最高管理层成员。
此外,该系统还具有对任何类型基础设施和任何多云配置进行AI驱动的根本原因分析,通过发现网络问题和安全漏洞来查看性能影响和体验跟踪。思科确保了将分析与业务环境进行关联,这样团队就可以在问题会影响到最终用户和业务之前,发现问题、确定问题的优先级、解决问题甚至是预测问题。
思科是在Cisco Live 2023上宣布推出该系统的,并充满信心地表示,将通过丰富的功能、扩展的服务和打造增值产品(包括用于增强业务流程的工具)来实现新的用例和自定义的用例。
思科补充说,该服务和数据湖不同,是由用例和业务环境驱动的,这些用例和业务环境直接针对特定的业务结果进行校准,而不是简单地查询数据本身。思科举例说,该服务可以集成业务交易并与IT信号关联,这和现有的AppDynamics集不同,后者现在已经是思科Cisco Full-Stack Observability Platform的一个基础元素。
思科执行副总裁、首席战略官、应用业务总经理Liz Centoni表示:“组织需要更多的集成点,以了解存在哪些潜在问题和漏洞,以及如何在它们影响公司之前将其解决掉,并让客户在其他方面寻找更好的体验。”
“Cisco Full-Stack Observability提供了具有真实业务背景的洞察力——这在‘体验’成为新KPI的世界中至关重要。”
对于Cisco ThousandEyes的经理和联合创始人Mohit Lad来说,从这款可观察性产品中可以看出传统网络监控发生方式和团队运作方式的变化。
“通常情况下,你会有不同的团队聚集在一起,比如网络团队和应用团队基础设施,他们通常唯一的目标就是证明‘不是我干的’。你可以非常非常快地确定哪些没有发生问题,但如何找出问题所在呢?这就是哲学思维。”
“有几件事对于我们如何处理这个问题非常重要,其中之一就是需要能够超越你的边界,并能够理解全局。然后就是要确保产品、技术和思维是围绕连接不同组织的人而设计的。”
据称,Cisco Full-Stack Observability Platform是为了解决“大规模”和性能而构建的,允许组织打造一个建立在开放可扩展架构上的应用生态系统。Cisco Full-Stack Observability Platform汇集了遥测数据——由OpenTelemetry开源可观察性框架驱动的指标、事件、日志和跟踪(Melt)——这使得近实时或者实时规范化数据获取成为可能。OpenTelemetry提供了厂商中立的API和其他工具,用于从云原生和第三方应用那里收集数据,并支持基础设施以了解性能和威胁。
Centoni以英国易捷航空为例,举例说明了企业获得丰富的网络可见性可以带来更好的内部和外部客户体验。
“他们有EasyJet.com,当你从应用角度审视它的时候,他们在后端有操作,例如安排机组人员和他们自己的[内部业务流程],这是我们看不到的东西,以及他们需要将所有这些整合在一起,他们如何做到这一点?但是客户希望的只是EasyJet.com网站能够正常运转,如果不能正常运转的话,我们都会觉得体验是不尽如人意的。”
“他们希望在所有方面获得可见性......但他们还需要在后端连接的网络端以及安全监控部分的安全端可见性。他们可能正在使用来自任何大型云提供商的云服务,也可能使用SaaS或者是身份验证进行支付。他们可能不会自主开发支付服务,可能会选择使用别人提供的服务。但是你并不知道,开发那个应用是要考虑所有这些方面的。”
主动监测
Lad指出,可观察性并不是个新概念,思科将对可观察性进行的扩展,是从被动监控变为主动监控,从而可以查看情况是否正常,并发现这是否会影响体验经济中的应用体验。
“以一家拥有大约30000家客户的大型金融机构为例,他们拥有从零售到商业、机构到私人银行的一切业务,他们所面对的是一群真正敏捷的竞争对手,这些竞争对手在这个不需要实体银行颠覆其业务的时代进入银行业,他们已经将前端数字化。正是由于这个原因,金融客户现在会采用全栈可观察性,以颠覆他们自身的业务方式。”
好文章,需要你的鼓励
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
T-Tech公司研究团队开发了SAE Boost助推器系统,通过训练专门的"错误补偿器"来增强AI理解工具对专业领域的理解能力。该系统在化学、俄语和外交等领域测试中显示出显著改进效果,同时完全保持原有通用能力。这种模块化设计为AI系统的持续优化提供了安全可靠的路径,对AI可解释性研究具有重要意义。
阿里巴巴通义千问团队发布开源编程模型Qwen3-Coder-480B-A35B-Instruct,专门用于软件开发辅助。该模型采用混合专家架构,拥有4800亿参数,支持25.6万token上下文长度,可在数秒内创建完整功能应用。在SWE-bench基准测试中得分67.0%,表现优于GPT-4和Gemini。模型基于Apache 2.0开源许可,企业可免费使用。AI研究者称其可能是目前最佳编程模型,特别适合企业级代码库理解、自动化代码审查和CI/CD系统集成。
斯坦福大学研究团队开发出革命性AI系统,能够像生物学家一样"看懂"蛋白质三维结构并预测功能。该系统通过多层次分析方法,在蛋白质功能预测方面达到90%以上准确率,为新药开发和精准医疗开辟新道路。这项技术不仅加速了蛋白质研究进程,更为解决复杂疾病提供了强大的AI助手,预示着人工智能与生物医学融合的美好前景。