ITPub博客

推出 Streamhouse：面向 AI 的开放数据架构 | 了解更多 Edward Vaisman 员工合作伙伴创新工程师，Confluent Sean Falconer AI 负责人，Confluent 由 Anthropic 推出的模型上下文协议（MCP）是一项新标准，它通过提供一种安全、一致的方式将 AI 智能体与外部工具和数据源连接起来，从而简化了人工智能（AI）集成。 当我们看到 MCP 的潜力时，我们立即开始探索如何将实时数据流引入其中。凭借我们长期以来对开源和开放标准的支持，构建一个 MCP 服务器是自然而然的选择。 通过这个服务器，我们实现了两件大事： 1. 我们让 AI 智能体可以直接访问新鲜的实时数据，确保它们始终基于最新信息运行。

推出 Streamhouse：面向 AI 的开放数据架构 | 了解更多 Adi Polak 倡导与开发者体验工程总监 随着生成式 AI 持续以前所未有的速度普及，我们已经看到它正在演变为下一代机器学习驱动的技术：智能体 AI。 借助智能体 AI，我们不再只是通过简单的单步流程向模型发出提示并接收答案。AI 正在参与复杂的多步流程，通常与不同系统交互以实现预期结果。例如，一个组织可以拥有一个由 AI 驱动的帮助台，其中的智能体使用自然语言处理来理解和处理员工提交的 IT 支持工单。这些智能体可以自主重置密码、安装软件更新，并在必要时将工单升级给人工人员。 智能体将成为 AI 行业最重要的创新之一，可能超过未来几代基础模型。

IBM Research 对传统的低秩适配器（LoRA）进行了修改，使大语言模型（LLM（大语言模型））在推理时无需延迟即可获得专门能力。一组面向特定任务、对推理友好的适配器现已在 Hugging Face 上提供。 低秩适配器（LoRA）是一种快速为通用大语言模型赋予特定知识和技能的方法，使其能够完成诸如总结 IT 手册或评估自身答案准确性等任务。但调用经过 LoRA 增强的大语言模型可能会迅速拖慢其性能。 这是因为当你从通用基础模型切换到使用 LoRA 定制的模型时，定制模型必须重新处理此前的对话内容，由此产生的计算和内存开销可能导致较长的运行时延迟。 IBM Research 提出了一种减少等待时间的方法。

全球实时支付市场正在经历显著增长。根据 Fortune Business Insights 的数据，2024 年该市场估值为 249.1 亿美元，预计到 2032 年将增长至 2844.9 亿美元，复合年增长率（CAGR）为 35.4%。同样，Grand View Research 报告称，2024 年全球移动支付市场估值为 885.0 亿美元，预计 2025 年至 2030 年的复合年增长率为 38.0%。（免责声明：第三方市场研究和统计数据仅供参考。AWS 和 IBM 不对该信息的准确性作出任何陈述。） 这种快速扩张凸显了金融机构现代化其支付处理基础设施的紧迫性。金融机构通常需要以接近零延迟处理大量交易，以满足严格的服务水平协议（SLA），从而支持激增的移动支付量。

一位IBM研究员及其同事找到了一种在AI生成的表格中嵌入密钥的方法，使AI平台能够更轻松地保护和追踪由其模型创建的数据。 对于高度监管领域的企业而言，构建有效的AI模型可能十分困难，因为访问敏感客户数据来训练这些模型涉及繁琐的审批流程。 生成式AI使得创建合成替代方案变得更加容易——即用于训练目的的虚构数据，这些数据在统计上与真实人群的购物模式、健康记录或信用评分相似，但无法追溯到具体个人。企业可以挖掘这些替代性合成数据以获取洞察，而无需将真实客户数据置于风险之中。 随着合成数据的激增，追踪其来源变得越来越重要。为AI模型提供服务的公司可能希望防止在其平台上创建的数据被窃取用于欺诈或训练竞争对手的模型。它们也可能希望保护自己，以防私人或受版权保护的信息被无意泄露。

在 re:Invent 2025 上，我们推出了一个新的 Lens 以及对 AWS Well-Architected Lenses 的两项重大更新，专门聚焦于 AI 工作负载：负责任 AI Lens、机器学习（ML）Lens 和生成式 AI Lens。这些 Lens 共同为处于 AI 之旅不同阶段的组织提供全面指导，无论您是刚刚开始尝试机器学习，还是已经在大规模部署复杂的 AI 应用。 AWS Well-Architected Framework 提供了在云中设计和运营可靠、安全、性能高效、成本优化且可持续的工作负载的最佳架构实践。

IBM 的智能体通信协议让开发者能够以更大的灵活性操控大语言模型智能体，且无供应商锁定之忧。 人们很容易将现代通信工具视为理所当然。在过去，我们中的一些人依赖他人来管理重要的工作任务，而跟踪所有事情十分困难。 即使在互联网上也是如此。在“HTTP”出现之前，大多数互联网文档都是孤立存在的。超文本传输协议将它们连接起来，并为网页浏览器提供了一套通用的访问规则。 如今的人工智能智能体有点像 HTTP 出现之前的网页。它们是由不同框架和技术栈提供服务的孤岛。可以构建自定义集成来弥合分歧，但这些集成可能昂贵、脆弱且难以扩展。 “没有通用标准，每一次集成都像是昂贵的胶带修补，”IBM 副总裁 Armand Ruiz 在 LinkedIn 上如是说。 IBM 的解决方案无需胶带修补。

IBM 的新基础模型 TSPulse 能够超越标准预测任务，检测异常、填补缺失值、对数据进行分类以及搜索重复模式。它还足够小，可以在笔记本电脑上运行。 基础模型提供了一种强大的新方法来分析历史数据以预测未来，无论是估计网络能否承受峰值需求，还是公司能否达到月度销售目标。 然而，历史数据所蕴含的洞见远不止于预测。IBM 的新时间序列基础模型 TSPulse 正是为此而设计。它能够识别时间序列中的异常事件、填补缺失值、将数据分类到不同类别，并提取出相似的模式。在该领域领先的基准测试中，它的准确率超过了比它大 10 到 100 倍的模型。 TSPulse 拥有 100 万参数，是 IBM 轻量高性能时间序列基础模型家族的最新成员，与 IBM 的 Tiny Time Mixers 预测专家模型形成互补。

推出 Streamhouse：面向 AI 的开放数据架构 | 了解更多 Andrew Sellers，Confluent 技术战略与赋能副总裁 在 AI 时代，数据的价值不仅在于拥有它——更在于你能多快地使用它。这就是为什么实时数据正迅速成为新的标准。 数据流平台（DSP）正处于这一转变的中心，帮助简化对这些数据的访问和复用——无论何时何地需要。来自《2025 数据流报告：推动 AI 采用、上市速度和 ROI 取得进展》的发现，凸显了 DSP 如何为实时、数据驱动的企业奠定基础，使其行动更快、交付更智能，并释放新机遇。 事实上，89% 的 IT 领导者认为 DSP 是实现其数据相关目标的关键，64% 表示今年对 DSP 的投资有所增加。

在今年 IBM Think 大会上首次亮相的 AgentOps 是一套源自 IBM Research 的工具，旨在让 AI 构建者、开发者和工程师更容易了解他们构建的智能体是否按预期运行。 在短短几年间，生成式 AI 已从概念验证演示发展到重塑无数行业。据估计，未来几年生成式 AI 有望带来高达 4.4 万亿美元的经济效益。而这场革命正由智能体驱动。 智能体系统可以自主寻找问题答案、监控传感器或编写项目代码，无需逐行指令。我们正在见证这一强大新工作方式的第一波浪潮。IBM 自身刚刚在 Think 2025 上宣布了一套智能体，用于多个领域的任务，这些领域的工作者往往将时间花在重复性任务上，包括人力资源、采购和销售。 但每项新技术都伴随着开发者和工程师在放心大规模部署之前需要回答的问题。

一个新的开源框架 TextArena 让大语言模型在竞争环境中相互对抗，旨在测试并提升它们的沟通能力。 大语言模型正在超越固定的问答任务，迈向更复杂、开放性的问题。TextArena 属于一类新型基准测试，旨在检验并拓展大语言模型的能力边界。 TextArena 是一个交互式开源平台，由新加坡科技研究局（A*STAR）和 IBM Research 的研究人员共同开发，大语言模型智能体在其中进行二十多种文本游戏的对抗。该平台上的大多数谜题、卡牌和棋盘游戏让人联想到 20 世纪 80 年代的简陋电脑游戏，需要运用逻辑、策略和谈判技巧才能取胜。 这类软技能在传统语言模型中一直难以教授，更不用说评估了。随着大语言模型向 AI 智能体转型，各种新的训练和评估范式正在涌现。

IBM 与克利夫兰诊所展示了合成步态数据如何可能开启神经疾病监测的未来。 我们走路的方式——即步态——所能揭示的信息远超我们的预期。步幅、左右对称性和步态时序中的细微特征，可能是帕金森病、脑瘫、认知衰退和痴呆等神经系统疾病的早期迹象。但传统的临床步态评估在很大程度上依赖视觉观察，这种方法受主观性、时间和环境限制。这种情况正在开始改变。 在 IBM Research 与克利夫兰诊所的一项新合作中，一个由科学家和临床医生组成的团队开发了一种新的步态分析方法，可适用于广泛的神经系统疾病和传感器配置——包括智能手机摄像头和可穿戴设备等常见设备。这项工作的核心是一个新的 AI 基础模型，非正式名称为 GaitFM，它从丰富多样的数据集中学习人体运动模式；其中大部分是合成数据。

IBM Research 的新工具可以帮助 LLM（大语言模型） 用户检查 AI 生成内容的准确性和相关性，并防御越狱攻击。 LLM 可以减轻研究和写作中的一些繁琐工作，从总结会议纪要到初步制作演示文稿。 但有时，它们也会混淆事实、自相矛盾，并说出明确被告知不要说的话。令人紧张的部分是知道何时该相信 LLM 的话，何时该反复核实事实，因为它们可能在产生幻觉。 它们偶尔的失误对医疗、教育等行业更广泛地采用 AI 构成了根本性挑战。“幻觉是 LLM 训练方式的内在副产品——训练目标是预测下一个词，而不是下一个真相，”专注于提升 LLM 可靠性的 IBM 研究员 Alessandra Pascale 表示。 为了让 LLM 更值得信赖，IBM 及其合作者正在开发一系列新的、更强大的开源工具来调试它们。

昨天，我们在 MongoDB.local NYC 欢迎了数千名开发者和领导者，这是我们全球 .local 系列活动的最新一站。在过去一年中，我们在全球 20 个城市与数万名合作伙伴和客户建立了联系。但来到纽约具有特别的意义——这里是 MongoDB 的创立之地，也是我们至今仍设有总部的地方。 在活动期间，我们发布了新功能，进一步巩固了 MongoDB 作为全球领先现代数据库的地位。借助 MongoDB 8.2——我们迄今为止功能最丰富、性能最强大的版本——我们为开发者能够实现的成就树立了新的标杆。我们还介绍了 Voyage-AI 嵌入模型和重排序器，它们为构建可信、可靠的 AI 应用提供了最高精度和效率。

深入了解这个为AI独特计算需求开发全栈解决方案的团队。 在IBM Research AI硬件中心的早期，在ChatGPT让公众广泛了解生成式AI之前，IBM高管必须向企业解释为什么他们应该关注AI。如今，问题往往变成了IBM能以多快的速度帮助企业部署AI。 但AI的普及和流行带来了一个问题：传统企业硬件和软件栈无法跟上AI工作负载的巨大需求，因此难以满足日益增长的需求。CPU和GPU虽然非常适合其预期任务，但在部署用于训练和推理大语言模型（LLM（大语言模型））时，其速度和效率的局限性便暴露出来。 为应对这些日益增长的挑战，AI硬件中心于2019年2月成立，初期获得了来自IBM、纽约州立大学理工学院和纽约州的大量投资。

该倡议汇集了全球一些最负盛名的研究机构，共同开创 AI 在数学研究中的应用。 Google DeepMind 科学和战略倡议副总裁 Google DeepMind 生成式 AI 战略高级总监 数学是宇宙的基础语言，为描述从物理定律到生物学的复杂性以及计算机科学的逻辑等一切事物提供了工具。几个世纪以来，其前沿一直仅由人类的聪明才智所拓展。在 Google DeepMind，我们相信 AI 可以作为一种强大的工具，与数学家协作，增强创造力并加速发现。 今天，我们推出 AI for Math Initiative（数学 AI 倡议），由 Google DeepMind 和 Google.org 支持。该倡议汇集了全球五所最负盛名的研究机构，共同开创 AI 在数学研究中的应用。

由生态系统建模团队撰写 AI 模型可以帮助绘制物种分布图、保护森林，并聆听世界各地的鸟类 地球的生物圈是其植物、动物、真菌及其他生物的总和。我们每天都依赖它生存——我们呼吸的空气、饮用的水、食用的食物，都由地球生态系统所产生。 随着对土地和资源日益增长的需求给这些生态系统及其物种带来压力，人工智能（AI）可以成为帮助保护它们的变革性工具。它可以让政府、企业和保护组织更容易地收集野外数据，将这些数据整合为新的洞见，并将这些洞见转化为行动。它还可以为更好的规划提供依据，并在这些规划付诸实践时监测其成效。 今天，我们宣布了预测森林砍伐风险的新生物圈研究、一个绘制地球物种分布范围的新项目，以及我们的生物声学模型 Perch 的最新进展。

IBM Research与NASA、ESA等机构合作，开源了其Prithvi和TerraMind地球观测模型的极小型版本，这些模型几乎可以在任何设备上运行，从环绕地球的卫星到您口袋里的智能手机——同时保持其性能水平。 我们的世界正在以人类有记录历史上前所未有的速度发生变化。自然灾害、动物灭绝和森林砍伐只是世界各地组织每天都在努力缓解的部分挑战。AI为解决这些紧迫问题提供了新方法，但那些最接近问题的领域从业者往往无法使用这些工具。IBM Research正试图改变这一现状，利用就像您正在阅读本文所用的设备。 今天，IBM开源了其地理空间和地球观测模型的新轻量级版本，专为在笔记本电脑和智能手机等边缘设备上运行而设计。

Cisco Talos 的漏洞发现与研究团队最近披露了 Biosig Project Libbiosig、Grassroot DiCoM 和 Smallstep step-ca 中的漏洞。 本博文中提到的漏洞已由各自的供应商修补，均遵循 Cisco 的第三方漏洞披露政策，但 Grassroot 除外，因为 DiCoM 漏洞是零日漏洞。 如需能够检测这些漏洞利用的 Snort 覆盖，请从 Snort.org 下载最新规则集，我们的最新漏洞公告始终发布在 Talos Intelligence 的网站上。 由 Cisco Talos 的 Mark Bereza 发现。 BioSig 是一个用于生物医学信号处理的开源软件库。BioSig Project 旨在通过提供开源软件工具来鼓励生物医学信号处理领域的研究。

2025年12月的补丁星期二包含57个漏洞，其中两个被微软标记为“严重”。其余列出的漏洞被归类为“重要”。微软评估认为，这两个“严重”漏洞被利用的可能性“较低”。 CVE‑2025‑62562 是一个 Microsoft Outlook 远程代码执行漏洞。尽管该漏洞涉及 Microsoft Office Outlook 中的释放后使用（use after free），可允许未经授权的攻击者在本地执行代码，但攻击者仍需发送恶意电子邮件并说服用户回复该邮件，漏洞利用才能生效。 CVE-2025-62553、CVE-2025-62554、CVE-2025-62556 和 CVE-2025-62557 是 Microsoft Office 远程代码执行漏洞。