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
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。