IBM watsonx平臺推出v2.2版本，全面增強AI智能體開發能力

IBM開發者正在為其watsonx.data和watsonx AI軟件平臺的其他組件添加新功能，以幫助客戶構建和運行AI智能體，實現對數據存儲請求的更快響應，并確保治理監控的合規性。

IBM的watsonx.data是一個基于湖倉架構的數據存儲平臺，運行多個查詢引擎，如Presto、Spark和Meta的Velox，專門用于AI和分析工作負載。該平臺是2023年5月IBM Think大會上發布的整體watsonx AI和數據平臺的重要組成部分。watsonx.data代碼可在本地或AWS等公有云環境中運行。其湖倉部分能夠存儲結構化和非結構化數據，支持Apache Parquet和Avro等開放數據格式，以及Apache Iceberg等表格式。

watsonx.data的架構設計讓查詢引擎訪問元數據存儲層，該層位于對象存儲之上。這可以是IBM的Storage Scale、Ceph、AWS、Azure或GCP對象存儲。計算層和存儲層采用分離式架構設計。

今年5月我們了解到，watsonx.data的開發將結合開放數據湖倉與數據結構功能，如數據血緣跟蹤和治理，幫助客戶跨孤島、格式和云環境統一、治理和訪問數據。

最新的v2.2版本watsonx.data是整體watsonx AI數據平臺更新的一部分，該平臺包含三個核心組件：

watsonx.ai企業級AI工作室，通過傳統機器學習和生成式AI功能及數據來運營化和擴展AI應用程序開發

watsonx.data開放、混合和受治理的數據存儲平臺

watsonx.governance用于以負責任、透明和可解釋的方式指導、管理和監控組織的AI活動

watsonx.ai組件的AutoAI RAG功能得到增強，新增支持：

Elasticsearch向量存儲

評估數據資產中每個問題的多個正確答案

多語言模型以匹配實驗的輸入語言

可視化顯示每個設置對創建和排序優化模式的重要性

利用導入的自定義基礎模型進行實驗

利用混合搜索策略從索引文檔中檢索內容

此外，用戶還可以使用新版本的watsonx.ai文本提取API簡化業務文檔處理，該API支持Microsoft Word和PowerPoint、HTML以及各種圖像格式等額外文檔格式。導入的自定義基礎模型可以包括屬于Tiny Time Mixer (TTM)系列的模型，這些模型可通過時間序列API訪問。Tuning Studio中提供了參數高效微調(PEFT)技術，支持低秩適應(LoRA)和量化低秩適應(QLoRA)，以及用于創建非結構化文本數據集的合成數據生成方法，用于模型調優和評估。

用戶還可以使用新的命令行界面(ibm-watsonx-ai-cli)在本地部署和測試AI服務模板和應用程序。新支持的基礎模型包括：granite-3-3-8b-instruct、meta-llama/llama-4-scout-17b-16e-instruct、meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8和mistral-small-3-1-24b-instruct-2503。

v2.2版本的watsonx.data推出了IBM watsonx.data高級版，提供集成用戶體驗來管理AI生命周期中的非結構化和結構化數據。基于集成開發環境(IDE)概念構建的數據工作臺，集中了數據管理器和查詢管理器的功能和能力。Gluten組件為當前Spark的原生C++性能提供優化。

Apache Gluten是一個開源項目，旨在通過將計算密集型SQL查詢執行從Java虛擬機(JVM)卸載到原生C++引擎來改善Apache Spark性能。

該版本定義了Milvus向量數據庫引擎的擴縮容策略和規則。數據產品中心集成使數據生產者能夠在watsonx.data存儲中創建/存儲數據產品資產并與數據消費者共享。

最后，與watsonx商業智能分析智能體的互連可使用自然語言處理(NLP)執行查詢。

watsonx.governance組件為智能體AI獲得新功能，能夠利用工作流程在將智能體納入組織庫存之前對其進行審查和評估。更新的儀表板提供與智能體相關的指標，智能體AI評估的其他功能也首先在SaaS交付選項中提供。

IBM v2.2 watsonx發布說明可在此處找到。

評論

IBM獨立于其Storage Scale和Ceph存儲產品開發了watsonx.data。這與Cloudian、WEKA和VAST Data的策略不同，后者在其存儲產品之上構建AI管道軟件堆棧元素，例如Cloudian采用Milvus向量數據庫，VAST Data開發全面的AI操作系統。

我們看到IBM這些增量式的watsonx更新項目，對AI智能體堆棧日益增長的復雜性感到驚嘆。如果AI智能體真如宣傳的那樣強大，難道它們不能處理這些復雜的AI智能體開發基礎設施嗎？