思科今日宣布计划收购AI可观测性公司Galileo Technologies。
思科Splunk业务部门高级副总裁兼总经理Kamal Hathi表示,Galileo的平台为多智能体系统的开发提供实时可观测性与安全防护机制,并已在企业级市场中被广泛采用,成为建立AI智能体可信度的行业标准。
Hathi在一篇关于此次收购的博客文章中写道:"Galileo从一开始就是为了解决AI领域最困难、最关键的问题而生——那就是信任。自平台上线第一天起,它就为AI团队提供了评估AI质量、在问题到达用户之前检测AI故障、并持续改善生产环境中AI行为的工具,将可观测性从'锦上添花'变成了AI开发的核心支柱。"
他表示,这项技术将强化思科Splunk可观测性产品组合,并为智能体开发生命周期(ADLC)带来更完善的AI智能体监控能力、实时可见性以及安全防护。Hathi写道:"除此之外,Galileo为团队提供了一个统一平台,能够以企业级标准对ADLC的每个阶段进行全面覆盖。这是一套完整的解决方案,从最早期的提示词优化和模型选择,到评估测试,再到生产监控、可观测性及防护机制的执行,均可实现更深层的洞察。"
思科与Galileo此前已有合作基础。一年前,思科宣布与Galileo联合发起成立名为AGNTCY的联盟,同时引入LangChain提供智能体编排技术。其中,Galileo负责安全与可观测性能力。AGNTCY计划制定规范与参考实现方案,推动构建一套开源架构,以满足在多样化环境中建立可信AI生态系统的需求。
思科已全力投入,致力于保护企业客户免受大量涌现的AI智能体及其潜在安全威胁的影响。上个月在RSAC 2026大会上,思科发布了一系列应对AI安全问题的产品。例如,思科推出的Duo Agentic Identity套件旨在帮助企业发现、识别并监控AI智能体,确保其仅访问必要资源。思科还宣布将扩展AI Defense平台在智能体AI防护方面的职能。
思科安全业务高级副总裁兼总经理Peter Bailey上个月向Network World表示:"我们有机会成为一个信任层,不只是针对网络活动,而是真正覆盖应用层、工作负载层、智能体之间、工作负载之间以及数据之间所发生的一切。思科长期以来一直提供这一信任层,拥有信任锚点、信任边界及其他相关技术,我们正在将其延伸至智能体与工作负载的世界中。"
Galileo方面近期宣布,将把其Agent Control框架贡献给开源社区。Agent Control是一个控制平面,旨在为规范智能体行为建立新标准,并以Apache 2.0许可证进行发布。
Hathi指出,AI的普及带来了新的复杂性。他写道:"智能体应用的行为可能导致意外、不准确、低质量或有害的输出,这些问题最终将损害客户信任、拖累终端用户体验并推高运营成本。因此,团队需要在延迟和错误等基础信号之外,获得贯穿整个AI技术栈的可见性。可观测性必须能够评估幻觉、偏见等问题,提供安全指标以检测和降低业务风险,并追踪成本与使用指标,以确保清晰的投资回报。"
Hathi写道:"Galileo将帮助我们实现这一目标,进一步壮大思科的AI工程人才队伍,共同树立AI智能体评估的行业标准。"
本次收购预计将于思科2026财年第四季度完成交割。
Q&A
Q1:思科收购Galileo的主要目的是什么?
A:思科收购Galileo的核心目的是增强其在AI可观测性领域的能力,尤其是针对AI智能体的监控与安全防护。Galileo平台能够为多智能体系统的开发提供实时可观测性与防护机制,帮助企业在AI智能体开发生命周期的每个阶段建立信任,检测幻觉、偏见等质量问题,降低业务风险,并追踪成本与使用指标,从而提升企业对AI系统的整体把控能力。
Q2:Galileo平台具体能解决哪些AI开发中的问题?
A:Galileo平台主要解决AI开发中的信任与质量问题。它能在AI故障到达用户之前提前检测,持续改善生产环境中的AI行为,评估幻觉和偏见等输出质量问题,提供安全指标以检测和缓解业务风险,并追踪成本与使用情况。此外,平台覆盖从提示词优化、模型选择、评估测试到生产监控的完整智能体开发生命周期,为企业提供统一的管理视角。
Q3:AGNTCY联盟是什么?思科和Galileo在其中扮演什么角色?
A:AGNTCY是思科与Galileo共同发起的开源联盟,同时引入了LangChain参与智能体编排技术。该联盟旨在制定规范与参考实现方案,推动构建一套开源架构,满足在多样化环境中建立可信AI生态系统的需求。其中,思科与Galileo负责提供安全与可观测性能力,LangChain则专注于智能体编排技术。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。