IBM宣布将以110亿美元收购数据流处理公司Confluent,以应对日益增长的AI部署需求。
IBM表示将整合Confluent的开源企业级数据流平台,实现实时数据连接、处理和治理,从而增强AI部署能力。该平台旨在保持跨系统和数据中心的数据连接,同时消除可能阻碍自主AI有效性的数据孤岛问题。
"IBM和Confluent的结合将通过在环境、应用程序和API之间提供可信的通信和数据流,让企业能够更好更快地部署生成式AI和智能体AI,"IBM首席执行官阿尔温德·克里希纳在声明中表示。
"数据分散在公有云、私有云、数据中心和无数技术提供商之间。通过这次收购,IBM将为企业IT提供专为AI构建的智能数据平台。"
两家公司董事会均已批准这项交易,预计将于2026年中期完成。Confluent股价在周一交易中飙升29%。这将是IBM自2019年以340亿美元收购红帽以来最大的交易。
克里希纳在接受CNBC采访时进一步阐述了IBM的战略:"没有人能接受一个月前甚至一周前的数据,而Confluent拥有最强大的技术来释放数据的实时价值。"
"我认为,现在拥有一个层面、一个控制平面,人们可以管理向AI智能体提供数据,但仍然能够确保以正确的安全性和正确的控制来完成这一切,这将释放巨大的潜力。"
Confluent带来的价值
总部位于加利福尼亚州山景城的Confluent基于Apache Kafka构建,Apache Kafka是一个用于动态数据的开源数据和事件流平台。该公司的产品包括数据流、连接器、流治理、流处理、TableFlow、Confluent Intelligence和流智能体。
部署选项包括Confluent Cloud、Confluent Platform、WarpStream和Confluent Private Cloud。
"我们对加入IBM的可能性感到兴奋,通过IBM的市场营销专业知识、全球规模和广泛的产品组合来加速我们的战略,"Confluent首席执行官兼联合创始人杰伊·克雷普斯在声明中表示。
在交易宣布之前,杰富瑞分析师布伦特·蒂尔表示IBM的产品和Confluent的服务组合是很好的匹配,在研究报告中指出Confluent"解决了现代企业架构中最关键的痛点之一:为AI、分析和云原生应用程序提供低延迟数据管道"。
Q&A
Q1:IBM收购Confluent的主要目的是什么?
A:IBM收购Confluent主要是为了应对日益增长的AI部署需求,通过整合Confluent的开源企业级数据流平台,实现实时数据连接、处理和治理,消除数据孤岛问题,从而让企业能够更好更快地部署生成式AI和智能体AI。
Q2:这次收购对IBM来说有多重要?
A:这是IBM自2019年以340亿美元收购红帽以来最大的交易,价值110亿美元。两家公司董事会均已批准交易,预计2026年中期完成。交易宣布后Confluent股价飙升29%,显示市场对此次收购的积极反应。
Q3:Confluent主要提供什么技术和服务?
A:Confluent基于Apache Kafka构建,是一个开源数据和事件流平台。主要产品包括数据流、连接器、流治理、流处理、TableFlow、Confluent Intelligence和流智能体。部署选项包括Confluent Cloud、Confluent Platform、WarpStream和Confluent Private Cloud。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。