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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。