识别精度高达76.32%,浙大、之江团队用深度学习加速大规模药物发现和再利用

编辑 | 萝卜皮

大规模药物研发和再利用具有挑战性。确定作用机制 (MOA) 至关重要,但目前的方法成本高昂且通量低。


在这里,浙江大学、之江实验室以及斯坦福大学的研究人员介绍了一种通过分析线粒体表型变化来识别 MOA 的方法。

通过对线粒体形态和膜电位进行时间成像,研究人员建立了监测时间分辨线粒体图像的流程,得到了一个数据集,其中包含 570,096 张暴露于 1,068 种美国食品和药物管理局批准药物的细胞单细胞图像。

该团队开发了一种名为 MitoReID 的深度学习模型,该模型使用重新识别 (ReID) 框架和 Inflated 3D ResNet 主干。它提供了一种自动化且经济高效的靶标识别替代方法,可以加速大规模药物发现和再利用。

该研究以「Deep learning large-scale drug discovery and repurposing」为题,于 2024 年 8 月 21 日发布在《Nature Computational Science》。

线粒体形态、膜电位和氧化还原状态已被用于识别功能化合物或遗传扰动的影响;然而,过去的研究仅侧重于提取有限数量的形态特征,导致大量有助于改善目标识别的信息丢失。

为了解决这一限制,浙江大学、之江实验室以及斯坦福大学的研究人员在此引入了时间维度来评估暴露于具有不同作用机理的化合物后的线粒体形态和膜电位。

具体来说,研究人员生成了一个由 1,000 多种美国食品药品管理局 (FDA) 批准的药物治疗的线粒体表型数据集,涵盖 16 个时间点的 570,096 张单细胞图像。

传统的机器学习技术无法充分区分线粒体表型和 MOA 之间的关系,因为在识别时间数据的复杂性方面缺…

论文链接:https://www.nature.com/articles/s43588-024-00679-4



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

孟瑜获杰出博士论文奖,中科大获最佳学生论文,KDD 2024全部奖项放出

ACM SIGKDD(国际数据挖掘与知识发现大会,KDD) 会议始于 1989 年,是数据挖掘领域历史最悠久、规模最大的国际顶级学术会议,也是首个引入大数据、数据科学、预测分析、众包等概念的会议。

今年的 KDD 大会是第 30 届,8 月 25 日 - 29 日在西班牙巴塞罗那召开,最佳论文奖、时间检验奖、杰出博士论文奖等奖项也逐一揭晓。


其中有多位华人研究者获奖,孟瑜的《Efficient and Effective Learning of Text Representations》获得了 KDD 2024 杰出博士论文奖,最佳论文奖(研究方向)颁给了六位华人学者参与的《CAT: Interpretable Concept-based Taylor Additive Models》,最佳学生论文(研究方向)颁给了中国科学技术大学、华为合作的《Dataset Regeneration for Sequential Recommendation》。KDD 2024 最佳论文奖(应用数据科学方向)由领英获得,此外,大会还颁发了两项时间检验奖。

杰出博士论文奖

KDD 2024 杰出博士论文奖颁发给了《Efficient and Effective Learning of Text Representations》,作者是弗吉尼亚大学助理教授孟瑜(Yu Meng)。

孟瑜于 2024 年加入弗吉尼亚大学 (UVA) 计算机科学 (CS) 系,担任助理教授(tenure-track)。此前,他获得了伊利诺伊大学厄巴纳 - 香槟分校 (UIUC) 的博士学位,与韩家炜教授一起工作。他还曾在普林斯顿 NLP 小组担任访问研究员,与陈丹琦一起工作。

论文摘要:文本表示学习在广泛的自然语言处理 (NLP) 任务中发挥了关键作用。这些表示通常是通过深度神经网络将原始文本转换为向量获得的。LLM 的最新进展已经证明了学习通用文本表示的巨大潜力,可适用于广泛的应用。这一成功由两个关键因素支撑:

  1. 在预训练和微调中使用广泛的文本数据来训练 LLM;
  2. LLM 的规模可扩展到包含数百亿甚至数千亿个参数。

因此,训练 LLM 需要大量成本,包括获取大量带标签的数据以及支持这些大型模型所需的基础设施。在这些挑战的基础上,本文旨在开发高效且有效的文本表示学习方法,涉及以下关键内容:

  1. 利用球面空间进行文本表示学习。表示空间的传统选择是欧几里得空间,但非欧几里得球面空间在通过方向相似性捕捉语义相关性的研究方面表现出卓越的能力。本文的工作重点是利用球面表示空间进行文本表示学习的自监督技术。
  2. 使用球面文本表示法发现主题结构。基于在球面空间中学习到的文本表示法,本文开发了通过联合建模主题和文本语义自动从给定语料库中发现主题结构的方法。
  3. 使用 LLM 生成训练数据以实现自然语言理解 (NLU)。要在 NLU 任务上实现稳健的性能,通常需要大量人工标注的训练样本来微调预训练的文本表示。为了减轻人工标注的需求,本文开发了一种新范式,使用 LLM 作为训练数据生成器来取代人工标注过程。

论文详细内容请参阅:https://scholar.google.com/citations?view_op=view_citation&hl=en&user=S2-yZKcAAAAJ&cstart=20&pagesize=80&citation_for_view=S2-yZKcAAAAJ:_Qo2XoVZTnwC

杰出博士论文奖(亚军)

此次还有两项研究获得了本届 KDD 的杰出博士论文奖(亚军)。

论文摘要:本论文探讨了神经人工智能系统与符号人工智能系统的交叉点。近年来的深度学习方法能够记忆大量的世界知识,但在此基础上进行符号推理仍存在局限性;而符号 AI 擅长解决推理任务,但在适应新知识方面效率较低。此前将两者结合的研究主要集中在构建基于解析的系统,这类系统需要大量的中间标签标注,且难以扩展。

作者的研究目标是使神经模型能够以可微分的方式与符号推理模块进行交互,并实现无需中间标签的端到端训练的这种神经 - 符号模型。为实现这一愿景,作者开展了以下研究工作:

  • 设计新型推理模块:设计可微分的神经模块,能够进行符号推理,包括知识图谱推理和复杂的逻辑推理。
  • 通过自监督学习:从结构化和符号知识库中获取自监督信号来训练神经模型,无需额外的标注。
  • 跨领域泛化:神经 - 符号系统的模块化设计天然有助于更好地进行分布外、词汇外、跨语言和跨类型的泛化。

论文地址:https://arxiv.org/pdf/2406.17931

论文标题:Artificial Intelligence for Data-centric Surveillance and Forecasting of Epidemics
机构:佐治亚理工学院
作者:Alexander Rodriguez
论文地址:https://repository.gatech.edu/entities/publication/aa292b79-26bb-4aec-a3f3-0fd87911ff74/full

论文摘要:对流行病的监控和预测是政府官员、企业和公众进行决策和规划的重要工具。尽管人们在理解疾病如何在人群中传播方面取得了多项进展,但从许多方面来看,人们对流行病传播的理解仍处于初期阶段。许多主要的挑战源于复杂的动态因素,如人员流动模式、政策遵守情况,甚至数据收集程序的变化。随着收集和处理新来源数据的努力,拥有许多变量的细粒度数据逐渐变得可用。然而,这些数据集很难通过传统的数学流行病学和基于智能体的建模方法来利用。相反,流行病学中的 AI 方法面临数据稀疏、分布变化和数据质量差异的挑战。

AI 技术在流行病学动态方面也缺乏理解,可能会导致不切实际的预测。为了解决这些挑战并向数据中心方法迈进,本论文提出了几个框架。具体来说,作者通过多个实例展示了将 AI 的数据驱动表达能力引入流行病学,可以实现对流行病更为敏感和精准的监控与预测。

最佳学生论文

KDD 2024 最佳学生论文(研究方向)颁给了《Dataset Regeneration for Sequential Recommendation》。

作者:Mingjia Yin, Hao Wang, Wei Guo, Yong Liu, Suojuan Zhang, Sirui Zhao, Defu Lian, Enhong Chen
机构:中国科学技术大学、华为
论文地址:https://arxiv.org/pdf/2405.17795
项目链接:https://anonymous.4open.science/r/KDD2024-86EA

论文摘要:序列推荐系统(SR)是现代推荐系统中的关键组件,其目标是捕捉用户不断变化的偏好。为了增强 SR 系统的能力,已经进行了大量研究。这些方法通常遵循以模型为中心的范式,即基于固定数据集开发有效模型。然而,这

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Shokz OpenRun Pro 2评测:为骨导耳机带来更丰富的低音

所谓的骨传导耳机是跑步者的好朋友,让您在倾听激励音乐的同时完全意识到外部世界。


但是这项技术无法产生出色的低音 - 这是骨传导耳机公司Shokz认为已经通过其最新的OpenRun Pro 2解决的问题。《卫报》的新闻属于独立报道。如果您通过会员链接购买任何商品,我们将获得佣金。 更多信息。

继备受欢迎的OpenRun Pro和OpenSwim系列之后,OpenRun Pro 2的价格为£169(€199/$175/A$299),外观与大多数竞争对手相似,在耳朵前方由两个环和一条围绕头后部的带子固定骨传导耳机。这款耳机独特之处在于耳机内的骨传导模块还包含了朝向您的耳朵外部传送音乐的开放式扬声器。这些扬声器与骨传导扬声器并行工作,后者通过振动您的颧骨直接向内耳传送声音。开放式扬声器处理低音,其余音频通过骨传导传输给听者。

开放式扬声器通过模块正前方的网孔直接将声音投影出来,进入听者的耳朵。它们无法像大号耳机一样产生颅骨震动的低音。但是,OpenRun Pro 2的声音比其前身更加丰满和圆润,当以较高音量播放时,并不会在您的面颊上产生同样剧烈的振动。乐器、鼓声和人声有更多的深度,特别适合播客和舞曲。Shokz智能手机应用程序中提供了一个均衡器,可用于调整耳机的音质,同时还可以进行其他更新和调整。

但是,开放式扬声器也会遮盖更多的背景噪音,降低您对汽车、自行车和其他跑步者的认识程度,这一点比传统的骨传导耳机更为明显。它们仍然远远优于耳塞和其他耳机,但当在中等音量级别跑步时,这种差异是显而易见的。当音量增加50%时,靠近的旁观者可以较稍微程度地听到您的音乐。它比廉价的耳塞不那么显眼,肯定不会在跑步时引起问题。

技术规格

  • 防水等级:IP55(防喷雾)
  • 连接方式:蓝牙5.3(SBC)
  • 电池续航:12小时
  • 尺寸:30.9 x 21.7 x 24.3 毫米
  • 重量:30.3 克
  • 驱动器:开放式和骨传导
  • 充电:USB-C

蓝牙升级和舒适配戴

从之前的Shokz获得的另一个重大升级是蓝牙5.3支持多点连接 - 这意味着可以同时连接两个设备。如果同时将它们连接到跑步手表和手机上,那么这将非常方便,这样您既可以听音乐又可以接听来自手表的指引,而无需停下来。

这款耳机非常合身,前后耳朵的平衡很好。头后的带子具有良好的灵活性,并能在适度施加压力在头部两侧,而不会太紧。还可以购买一款迷你版,适合需要更紧密配戴的人使用。

音量按钮位于右耳后方的耳机主体上,用于控制播放的多功能按钮位于左耳前面的模块外侧。用于通话的麦克风设在右侧模块,效果还不错,尽管对方会觉得我听起来有些遥远和安静。

电池每次充满电可持续12小时,并且可以在约一小时内通过USB-C端口完全充电。这款耳机耐得住汗水,可在即使最汗湿的跑步中幸存,但不能被水浸泡。

可持续性

Shokz表示耳塞和盒子中的电池将在800次完全充电周期中保持至少80%的原始容量。Shokz不提供以旧换新、回收或维修服务,电池也无法更换。这款耳机不含任何回收材料,公司也不公布环保影响报告。

价格

OpenRun Pro 2的价格为£169(€199/$175/A$299)。

作为对比,Shokz OpenRun的价格为£130,Suunto Wing的价格为£145,Creative Outlier Free Pro+的价格为£80,Bose Ultra Open earbuds的价格为£250。

评语

OpenRun Pro 2通过加入开放式扬声器处理低音的方式解决了骨传导耳机缺乏低音的问题。它们不会产生强烈的低音效果,但声音与标准耳塞一样丰富,是在之前所见过的质量提升。但是,以中等音量级别播放时,略有降低的环境认知能力是一种权衡。对我来说这并不是决定性因素 - 但如果您希望您的跑步音乐听起来很响亮,那可能会影响购买骨传导耳机的初衷。

可同时连接两个设备的Bluetooth多点功能非常方便,12小时的电池续航和通过标准USB-C电缆充电也很方便。Shokz耳机价格不菲,也不适合作为一般耳机使用。但最大的问题是无法维修,电池无法更换,最终使其成为一次性产品,并失去了一颗星。

优点:比单纯的骨传导更加丰满的声音、开放式环境认知、防喷雾、稳定的电池续航、标准的USB-C充电、蓝牙多点连接、非常适合跑步使用。

缺点:比单纯的骨传导稍微降低了环境认知能力、价格昂贵、没有高质量的蓝牙音频格式支持、无法维修、电池不可更换。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

信:迈克·林奇讣告

迈克·林奇,这位科技企业家最初在剑桥大学攻读自然科学学位,我是他的第二年物理课程的导师之一。


然而,对于他的最后一年,迈克转到了工程系的电气科学课程。据我记得,这次转换的动机很大程度上源于他的音乐背景以及对合成器和其他信号处理应用的兴趣。正是这次转到电气科学以及随后的博士学位为迈克日后的成就奠定了基础。探索更多关于这些话题的信息,技术,剑桥大学,信件。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Liminal将Experian评为账户劫持防范领导者

Experian在其2024年Link Index for Account Takeover (ATO) Prevention in Banking中被Liminal,一家领先的市场和竞争情报公司,评为领导者。图片{ width=60% }


该报告对ATO防范市场进行了详细分析,并确定了在身份验证、欺诈防范和身份方面处于创新前沿的顶尖公司和新兴参与者。

报告称赞了Experian的战略方法、市场影响力以及CrossCore®能力,并给予了高度评价。报告评论道:“该公司的综合欺诈检测和身份管理解决方案,包括CrossCore编排功能,得到了全球企业的信任,用于保护免受各种欺诈类型的威胁 – 97%的受访金融服务从业者对Experian品牌熟悉。”

“我们帮助我们的银行客户保护其客户和资产免受日益复杂的由AI支持的欺诈攻击,而传统的安全措施已无法像我们的客户希望的那样跟上步伐,” Experian软件解决方案首席执行官Alex Lintner表示。“过去几年数字帐户的急剧增加为银行和消费者带来了巨大的财务风险。为此,我们不断创新’防护性AI’技术,以提供行业内效果最佳的身份验证和欺诈防范解决方案 — 我们很高兴看到Liminal认可了我们的努力。”

Experian在战略和产品执行两个类别中也获得了高排名。“我们的各种服务不仅为银行提供了宝贵的资产,同时也解决了同时解决身份验证、身份和欺诈防范三方面的挑战,” Lintner补充道。“我们的解决方案通过先进的行为生物识别和分析技术以及Bot检测功能,提供了出色的针对钓鱼和社会工程的防护能力。”

报告突出了Experian CrossCore的价值和特点,它将基于风险的身份验证、身份验证和欺诈检测融合为一体,构建成了一款先进的云平台。关于CrossCore,报告指出它提供了“一个功能齐全的工具包,利用各种能力进行高度准确和可扩展的ATO防范”,并且是“我们介绍的供应商中最全面的产品功能套件之一”。

“我们很高兴认可Experian在身份验证、欺诈防范和身份保护方面的领导地位,” Liminal首席执行官Travis Jarae表示。“在银行业,账户劫持构成了重大风险,未经授权的访问通过钓鱼、恶意软件或被盗凭据导致帐户被滥用,用于盗窃和其他恶意活动 — 导致巨额财务损失,并破坏客户的信任。”。

注意:Title、Date、Body 三个部分的内容,放入到对应的位置。最后只需要输出为Makedown源文件格式内容。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

NVIDIA和全球合作伙伴推出NIM Agent蓝图

目录定制化工作流加速核心生成式AI用例的部署,首批包括客户服务、药物发现和PDF数据提取,更多用例即将推出。图片{ width=60% }


企业可以利用NIM Agent蓝图与NIM微服务和NeMo框架构建和操作化他们的AI应用,创建基于数据驱动的AI飞轮。全球合作伙伴包括埃森哲、思科、戴尔科技、德勤、惠普企业、联想、SoftServe、世界科技等,他们是首批向全球企业提供NIM Agent蓝图。

NVIDIA今日宣布了NVIDIA NIM™ Agent蓝图,这是一个预训练且可定制化的AI工作流目录,为数百万企业开发人员提供了一套完整的软件,用于构建和部署生成式AI应用的示例用例,例如客户服务化身、检索增强生成和药物发现虚拟筛选。

NIM Agent蓝图为创建使用一个或多个AI代理的AI应用的开发人员提供了一个快速起步。它们包括使用NVIDIA NeMo、NVIDIA NIM和合作伙伴微服务构建的示例应用、参考代码、定制文档以及用于部署的Helm图表。

企业可以使用其业务数据修改NIM Agent蓝图,并在加速的数据中心和云上运行其生成式AI应用。有了NIM Agent蓝图,企业可以根据用户反馈不断完善他们的AI应用,打造基于数据驱动的AI飞轮。

现在可用的首批NIM Agent蓝图包括用于客户服务的数字人类工作流、用于计算辅助药物发现的生成式虚拟筛选工作流以及用于企业检索增强生成(RAG)的多模式PDF数据提取工作流,可使用大量业务数据提供更准确的响应。开发人员可以免费体验和下载NIM Agent蓝图,并可以通过NVIDIA AI Enterprise软件平台在生产环境中部署。

全球系统集成以及技术解决方案提供商埃森哲、德勤、SoftServe和世界科技将把NVIDIA NIM Agent蓝图带给全球企业。思科、戴尔科技、惠普企业和联想提供全套NVIDIA加速基础设施和解决方案,加快NIM Agent蓝图的部署。


注意:Title、Date、Body 三个部分的内容,放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

HGC推出数据中心互连服务,提升曼谷的连接性

HGC全球通信有限公司(HGC),作为一家拥有广泛全球覆盖的完整ICT服务提供商和网络运营商,今日宣布在曼谷推出数据中心互连(DCI)。图片{ width=60% }


此解决方案旨在满足企业对强大高性能连接的不断增长需求。
HGC的DCI解决方案跨越曼谷的多个数据中心,最初互连7个主要数据中心,以促进快速、持续的数据传输跨地点进行。通过最大程度地减少中间节点的数量,该网络拓扑确保超低延迟。这种模式使电信客户能加速数字转型,推动技术创新。此外,它简化了网络实施复杂性,并为企业、服务提供商和OTT提供了与不同数据中心互连的灵活性。
泰国正迅速发展为亚洲至关重要的互联网枢纽之一,曼谷成为数据流量的关键地点。凭借其战略位置和不断扩大的数字基础设施,越来越多的企业希望在该国建立存在。HGC致力于扩大其业务版图,促进增长并加强其在当地的服务。通过扩展其覆盖范围,HGC正在推动一个包容多元的DCI生态系统。
HGC国际业务全球数据战略与运营高级副总裁Cliff Tam表示:“基于我们在香港取得的成功,我们很高兴将我们在连接服务方面的卓越承诺延伸至泰国。我们的目标是提供全面和优质的连接解决方案,打造一个为寻求便捷高质量连接服务的企业、服务提供商和OTT提供一站式服务的生态系统。”
HGC国际业务GMS & SEA副总裁Chirawat Mahawat表示:“我们衷心感谢我们珍视的客户对我们的信任和支持。他们与HGC的持续合作激励我们不断提升专业知识,提供领先的DCI解决方案。除了其他连接解决方案,HGC致力于推动泰国的经济增长和技术进步。”



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

SlashNext宣布推出高管保护服务

新的一揽子服务为公司高管、第16条规定的高管人员和其他易受攻击风险的员工提供AI安全和通信保护

SlashNext,作为下一代AI云电子邮件和通信安全领导者,今天宣布推出其高管保护服务。图片{ width=60% }


这一综合解决方案为高度受到定向攻击的员工提供电子邮件、移动短信和网络通信应用程序的360度工作空间保护。设计用于保护组织的最关键成员,这款AI原生保护服务在商业和个人通信应用程序中阻止高级网络钓鱼、社会工程、勒索软件、欺诈和声誉欺诈。这项服务非常适合CXO、高管人员和其他高价值目标,可在几分钟内提供全面保护,同时提供全年无休的24/7/365服务台和SOC服务。

“自ChatGPT发布以来,针对高管和高价值员工的AI生成的网络钓鱼和社会工程攻击呈指数级增长,”SlashNext的CEO Patrick Harr表示。”我们的高管保护服务利用AI抵御AI,并确保任何规模的组织都能保护其最受瞄准的个人免受造成绝大部分成功勒索软件、金融欺诈和数据泄露的高级网络钓鱼、社会工程和网络犯罪威胁的威胁。”

SlashNext的高管保护服务为指定员工提供无与伦比的安全保护,包括董事会董事、高管人员(例如《1934年证券交易法》中定义的第16条规定的高管人员)、应付账款、人力资源和其他业务领导。该服务在以下方面提供针对性攻击的完全保护:

  • 电子邮件:阻止高管冒充尝试、账户劫持、供应链攻击、业务邮件妥协(BEC)和旨在窃取凭证和个人信息或诱使欺诈性汇款的有针对性的钓鱼活动。
  • 移动应用程序:在文本、WhatsApp、LinkedIn Messenger、Telegram、Outlook等短信钓鱼(smishing)和移动网络钓鱼威胁方面进行保护,这些都是高度受到瞄准的个人可能会遇到的。该服务消除了高管冒充、凭证钓鱼、恶意软件利用、投资/比特币/金融欺诈等风险。
  • 基于Web的通信应用:在浏览器和协作平台(如Teams、Slack、Zoom、SharePoint等)中阻止复杂的网络钓鱼。保护针对高价值个人的Midnight Blizzard攻击和新型矢量威胁。

高管保护服务直接集成到高管和高价值目标使用的公司和个人电子邮件、消息和通信应用程序中,支持100%的隐私政策,确保通信严格安全和私密。

“通过推出其高管保护服务,SlashNext正在解决网络安全领域的一个关键需求,”企业管理协会(EMA)的安全与风险管理研究总监Ken Buckler表示。“高价值员工是网络犯罪分子的主要目标,这一创新解决方案为他们提供了强大的、多渠道的保护。将电子邮件、移动和浏览器安全作为服务进行集成,简单快速的部署方式可以确保组织及其最有价值的资产安全。”



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Spirent在企业全面使用SnapLogic将GenAI投入生产

引领测试和保障领域的提供商通过SnapLogic的生成集成平台实现了 商业智能工作者生产率的25%增长。图片{ width=60% }


SnapLogic,生成集成领域的领导者,今天宣布,领先的测试和保障解决方案提供商Spirent Communications plc (LSE:SPT) 正在利用 SnapLogic平台将生成式人工智能(GenAI)投入使用,现代化其平台并加速GenAI驱动的转型。
Spirent帮助客户通过解决新兴网络、云和网络安全技术的测试、保障和自动化挑战,实现更快的创新和降低成本。该公司正在寻找一个解决方案来取代两个独立的本地数据和应用集成解决方案,这些解决方案使用起来困难且维护成本高。他们还希望加速基于GenAI的业务流程。首个用例之一是转换手工耗时的流程,迫使商业智能和销售团队每天花费数小时进行手动市场推广任务。Spirent转向SnapLogic,极大地提高了他们的集成效率和GenAI应用开发速度。
“Spirent致力于通过应对新兴技术的挑战帮助员工和客户更快地实现创新,需要一种现代化的集成工具来简化我们日益庞大的系统,” Spirent企业技术副总裁Matt Bostrom表示。“在比较市场上所有可用平台后,SnapLogic被证明是最高性能的数据和应用集成以及GenAI应用开发解决方案,消除了使用多个工具、许可证和供应商的需要,最终将平台维护成本降低了90%。通过使用SnapLogic的GenAI App Builder能够在短短几天内无缝构建内部GenAI应用,SnapLogic在自动化流程、消除昂贵资源、简化业务运营以及向内部团队提供与他们已经熟悉的应用程序相关的人工智能信息方面起到了至关重要的作用。”
自今年早些时候推出以来的短短几个月内,SnapLogic的GenAI App Builder在市场上立即获得了认可。它仍然是第一个无代码、点击配置的应用程序开发平台,使客户能够在几分钟内创建基于LLM的应用程序和工作流。Spirent利用GenAI App Builder创建了一个内部销售智能工具,为销售和支持团队提供了经过预合成和总结的客户和竞争信息,这个过程原本需要团队成员每周花费超过八个小时才能手动完成。在部署后的头九十天内,Spirent看到了业务智能工作者生产率增长了25%,预计销售生产率将提高5%。
“尽管有关GenAI未提供价值的噪音,Spirent和其他领先公司正在展示,在正确的用例和架构下,可以释放巨大的价值,” SnapLogic首席技术官Jeremiah Stone表示。“Spirent认识到了GenAI对他们业务的变革力量,并有勇气将他们的愿景推向生产,利用我们一流的解决方案来协调AI技术,简化他们的客户智能运营并将结果提供给团队。这只是冰山一角。”



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

nOps获得3000万美元A轮融资

nOps,领先的AWS成本优化平台,今天宣布由Headlight Partners领投的3000万美元A轮融资圆满闭幕。图片{ width=60% }


nOps正在赋能全球组织解决过去十年中最大的IT挑战之一 - 更好地理解、控制和减少云支出。凭借行业内覆盖最全面的可见性和自动化工具套件来优化AWS云成本,nOps平台是唯一的端到端解决方案,提供了对云优化的所有因素的整体视图。

根据Gartner的数据,2024年全球公共云服务的最终用户支出预计将增长20.4%,超过6750亿美元。然而,其中30%的支出用于闲置的云资源,20%用于昂贵的按需定价。这意味着组织在云支出上浪费了数十亿美元。事实上,多达80%的公司报告称他们在云支出上一直超支。nOps使组织能够优化AWS云成本,以更好地与战略性计算需求对齐。

作为FinOps基金会的成员,nOps的端到端平台,不同于点对点解决方案,为FinOps、DevOps、工程和财务团队提供了对其AWS成本的完全可见性。该平台利用人工智能(AI)和机器学习(ML)来分析计算需求,并自动进行效率、可靠性和成本优化。通过了解您在AWS承诺和AWS Spot市场上的所有承诺,nOps自动实现您的承诺并为Spot提供额外的计算。此外,随着人工智能和生成式人工智能的兴起,云使用和成本也在增加。nOps平台使跟踪和分配AI工作量变得容易。nOps帮助客户管理超过15亿美元的AWS云支出,并在过去18个月内将客户基础增长了450%。

nOps的平台通过自动优化组织的计算资源和支出,不同于其他云和支出管理产品。该平台拥有三种独特的解决方案,以提供更全面的方法来控制AWS云支出,包括:

  • Business Context提供对所有AWS支出的可见性,从最大的资源到容器成本 - 它自动化和简化AWS成本分配和报告。
  • Compute Copilot智能管理和优化自动扩展技术,以确保以最低成本实现最大效率和稳定性。
  • Cloud Optimization Essentials自动化耗时的云成本优化任务,包括资源调度和权值调整,停止闲置实例以及优化Amazon弹性块存储(EBS)卷。

Headlight Partners的联合创始人Jack Zollicoffer表示:“nOps构建了一个经受考验、其客户喜爱的平台,我们很高兴能够与公司合作,共同迎接其增长的下一个阶段。我们看到组织在控制AWS云支出方面面临困难。nOps提供一种独特的、更全面的方法,既优化云成本,又确保计算服务的可靠可用性。这使nOps客户确信他们不会为运行业务所需的云服务支付比必要金额更多。”

新资本将用于加速nOps行业领先的FinOps平台的发展,进一步扩展与AWS产品和开源技术(如Karpenter)的集成,并改善客户体验。

nOps无缝集成并自动优化亚马逊弹性Kubernetes服务(EKS)、亚马逊EC2自动扩展组(ASG)、亚马逊弹性容器服务(ECS)和Karpenter - 这让它在市场上脱颖而出。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB