在HPE Discover 2025大会上,AI智能体再次成为企业界关注焦点。今年大会的主题围绕将自动化工作流机器人部署到各个可能的应用场景,无论智能体AI技术在所有用例中是否已经成熟。
虽然硬件仍是重点,但HPE首席执行官Antonio Neri在拉斯维加斯主题演讲中最引人注目的是GreenLake Intelligence——一个"全新的智能体AI框架"。据公司介绍,这意味着在几乎所有可行的细分领域都将加入智能体AI功能。
HPE解释称,GreenLake Intelligence框架旨在作为跨HPE各系统的智能体AI统一接入点,全部通过中央HPE Greenlake混合云平台进行管理。
在主题演讲和相关发布会中,HPE给出了多个应用示例。在网络领域,HP的Aruba产品将整合"新型智能体网格技术",配备"多模态对话式网络助手",能够对网络问题进行根因分析,并使用各种推理智能体来确定人类需要如何修复发现的问题。
据HPE介绍,智能体还将应用于OpsRamp、存储管理等其他领域,用于自动化成本运营、可持续性和业务服务等工作。
对于那些希望HPE混合堆栈中智能体AI的加入意味着智能体最终能够在无人监督下采取行动的人来说,答案是否定的。尽管多年来一直承诺AI很快就能接管所有这些基础工作,但我们仍未完全达到那个水平。
HPE在本周活动的所有文献中都将GreenLake Intelligence智能体描述为"自主的",但他们也解释说,人类仍将参与其中做最终决策。换句话说,是自主但顺从的。
当被问及AI智能体的真正自主性时,HPE高级副总裁兼云和OpsRamp总经理Varma Kunaparaju告诉记者,这些事情需要时间,但这不是推迟智能体未来的理由。
"一些定义明确的用例是自主的,"Kunaparaju解释道。修复网络错误或解决存储问题——基本上任何存在于严格控制的单一域中的事情都已经实现了。除此之外,情况就变得模糊了。
"但如果你广泛应用可能的根本原因进行自我修复,我会说这是一个爬行-步行-奔跑的旅程,"这位OpsRamp负责人说。"我们仍在爬行并做一点步行。"
Kunaparaju告诉我们,到达那里不会是瞬间的,但他认为明年将在AI智能体自主性方面取得相当大的进步——毕竟,一年前世界几乎还没有谈论AI智能体。
"让整个企业自主运行是一个旅程,"Kunaparaju说。"系统需要演进,流程需要演进,实施复杂性需要达到这些系统能够集成以充分实现AI驱动效率的程度。"
Kunaparaju表示,软件会达到那里,但硬件已经准备好支持未来的AI效率——换句话说,构建它,你梦想的AI迟早会到来。
新硬件全面服务AI需求
HPE本质上是一家硬件公司,本周的活动也发布了新的物理系统。不过,新系统让位于AI,所有硬件发布都是为了推进人工智能产品。
HPE发布了支持八个Nvidia Blackwell GPU的新型HPE Compute Cray XD690系统,以及配备Blackwell的新型ProLiant系统,这些都是HPE扩展Nvidia AI工厂(Nvidia提供的用于在公司数据上训练AI的一体化软件和硬件堆栈)联盟的一部分。
HPE和Nvidia自去年以来一直合作在HPE硬件上提供Nvidia AI工厂,今年只是延续了这一合作。2024年,来自HPE的Nvidia AI工厂仅面向使用HPE私有AI云的企业客户,现在增加了面向服务提供商和大规模运营公司的"可组合"服务层,以及面向政府和其他有增强数据安全和主权要求客户的"主权"层。
还有其他小的发布,但它们甚至不如新的Nvidia驱动、AI优先的硬件值得正式记录。如果说去年Discover大会的主题是HPE登上Nvidia的炒作列车,那么今年只是在全力推动世界拥抱智能体AI之前的一个短暂停留,无论准备好与否。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。