Cisco以280亿美元完成对Splunk的收购已有18个月,两家公司专注于将Splunk的机器数据分析技术与Cisco的网络产品线深度融合。由此产生的"Cisco数据结构"是这家网络巨头在人工智能革命中寻找立足点的最雄心勃勃的努力。
尽管一些客户最初担心Cisco会分散Splunk对核心业务的关注,但收购后的协同效应实际上为Splunk催生了新的发展动力。Splunk平台高级副总裁兼总经理Mangesh Pimpalkhare在本周波士顿举行的Splunk .conf25大会上接受采访时表示:"我们没有偏离原有战略,而是放大了它。"他强调,Splunk正在利用Cisco的网络优势为平台寻找新的应用场景。
这次收购是Cisco历史上规模最大的一次,推动了Splunk"更加前瞻性"的战略。Pimpalkhare说:"发展势头正在向以AI为中心、AI增强的解决方案建设。"
两家公司已迅速整合工程团队,围绕Cisco AI Canvas实时协作平台和Isovalent内核级安全监控等项目展开合作。
"Cisco拥有一些与Splunk非常互补的优秀技术,如AppDynamics、AI产品组合的部分内容、AI Canvas和基础模型,"Pimpalkhare说。"一旦我们将这些整合在一起,一加一远远大于二。我们希望它等于十。"
Splunk正在推动Pimpalkhare所说的"平台效应",即Splunk的数据分析与Cisco广泛的网络产品组合和芯片集成,创造复合价值。他将这一策略比作苹果公司的生态系统模式,手机和笔记本电脑推动手表和耳机的销售。
在销售方面,整合更加谨慎。原有的Splunk销售团队保持完整,与Cisco的同行携手合作,而不是成为网络销售人员。Pimpalkhare表示,Splunk不希望稀释客户对销售代表所期望的技术专业知识。
两家公司合并后的AI中心能力旨在解决企业信息技术最棘手的问题之一:数据孤岛。这是组织更好地利用可观测性数据的最大障碍之一。
"安全运营只关注安全漏洞,站点可靠性工程师只担心正常运行时间。问题是,站点可能因为安全攻击而宕机,"他指出。Splunk正在使用跨域分析来连接这些功能。
一个值得注意的新举措是将机器数据与业务洞察联系起来。例如,这将允许零售商确定网站速度下降是否对高价值客户的影响程度超过新客户,或者欺诈事件是否对大客户产生不成比例的影响。
Cisco本周推出了面向Snowflake的Splunk联邦搜索,朝这个方向迈出了一步。这使用户能够从Splunk内部访问Snowflake数据云中的数据,将运营机器生成的数据集与业务数据相结合。
另一个支柱是Splunk机器数据湖,这是Cisco数据结构的一个组件,作为模型训练和分析的持久基底。它可以与Splunk AI工具包和模型控制协议服务器一起使用,处理用于入门、监控和自愈的AI原生服务。
Pimpalkhare断言,Splunk是管理防火墙后机器数据洪流的理想机制,而传统的公共大语言模型无法访问这些数据。"我们可以提供客户工具包,在这些机器数据上训练AI模型,"用于检索增强生成和微调,他说。
Q&A
Q1:Cisco收购Splunk后最大的变化是什么?
A:收购后两家公司专注于将Splunk的机器数据分析技术与Cisco的网络产品线深度融合,创造了"Cisco数据结构"。这不是偏离原有战略,而是放大了Splunk的能力,利用Cisco的网络优势寻找新的应用场景。
Q2:什么是"平台效应"?
A:平台效应是指Splunk的数据分析与Cisco广泛的网络产品组合和芯片集成所创造的复合价值。类似于苹果公司的生态系统模式,通过整合AppDynamics、AI产品组合、AI Canvas等技术,实现一加一大于二的效果。
Q3:Splunk如何解决企业数据孤岛问题?
A:Splunk通过跨域分析连接不同功能,比如将安全运营和站点可靠性工程师的关注点整合。同时推出面向Snowflake的联邦搜索功能,将运营机器数据与业务数据相结合,并开发机器数据湖作为AI模型训练的基础设施。
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。