IBM完成对Confluent的收购,让实时数据成为企业级AI与智能体的引擎

美通社
Mar 18

收购首日即可集成的产品包括IBM watsonx.data、 IBM MQ、 IBM webMethods Hybrid Integration和IBM Z

北京2026年3月18日 /美通社/ -- IBM (纽约证券交易所代码: IBM) 近日宣布完成对 Confluent, Inc. 的收购。作为一家数据流平台提供商,Confluent服务全球超过 6,500 家企业客户,其中包括 40% 的财富 500 强企业,为它们的实时运营提供关键支持。 IBM和 Confluent 携手打造智能数据平台,为各类 AI 模型、智能体及自动化工作流提供实时、可信的数据支持,使其能够在本地和混合云环境中实现大规模稳定运行。

随着人工智能在企业从实验正式走入生产环境,其成败的关键就在于数据——不仅需要干净、受管控合规的,并且能够持续更新的数据,也要以AI所需的规模和速度实现实时交付。 然而,当前大多数企业的数据仍然分散在各个系统和环境的孤岛中,往往在生成数小时甚至数天后才能被使用。IBM和 Confluent 共同打造的数据基座,让AI智能体在具备管控、治理和实时性的前提下访问所需信息,并能安全地驱动规模化业务落地,真正释放数据价值。

IDC 估计,到 2028 年,将有超过 10 亿个新型逻辑应用程序诞生[1] ,这些新一代人工智能要创造价值,其背后数据必须是实时、可信且持续流动的。面对如此规模的需求,企业需要新型的数据基础。IBM和 Confluent 的数据平台正是对这一挑战的直接回应。它为企业提供了一个统一且可管控的基座,让 AI 模型和智能体能够在跨环境的实时运行中,始终获取并理解完整的业务上下文语境。

"交易在毫秒级完成,AI决策也必须同步跟上。借助 Confluent,我们让客户能够在整个业务范畴内持续流转可信数据,使其 AI 模型和智能体能够基于实时态势做出即时响应,而不是依赖数小时前的数据。"IBM 高级副总裁、软件及首席商务官 Rob Thomas 表示:"IBM 与 Confluent 的结合,将为企业构建崭新的运营模式,提供无可取代的数据基座——在这一模式下,人工智能基于实时数据运行、驱动即时决策,并规模化地兑现价值。"

Confluent 基于数据流标准Apache Kafka构建,已融入全球大型企业的运营系统之中,客户群涵盖金融、医疗、制造与零售等各个行业。

  • 米其林 依靠Confluent 来管理覆盖全球170个国家或地区的供应链的实时库存,在保持可视性与可控性的同时,实现了 35% 的成本节约[2]
  • 欧莱雅 使用Confluent 在内部系统和第三方应用间实时传输产品和库存更新数据,助力企业更快地响应不断变化的消费者需求[3]
  • 宝马集团 通过Confluent实时传输来自全球30多个生产基地及销售网络的物联网数据,连接整个组织的工厂车间系统和云端应用系统[4]
  • Ticketmaster票务公司 借助Confluent实时传输数百个系统中的票务库存、销售和客户活动数据,减少开发阻力,并为大规模机器学习提供支撑[5]

"自创立之初,Confluent 的使命就是让世界上的数据流动起来,使数据流像数据库一样成为企业的技术基石。加入 IBM 将使我们能够以更大的规模加速实现这一使命。"Confluent 联合创始人兼首席执行官 Jay Kreps 表示,"IBM 的全球影响力和深厚的企业客户关系,将帮助我们走得更远、更快。当企业从 AI 试验转向以 AI 驱动业务运营之时,让数据在整个业务体系中持续流动变得前所未有的重要。我十分期待我们将共同创造的一切。"

IBM和 Confluent 的产品协同效应

即日宣布的收购将与IBM产品组合即时集成,包括:

  • 面向AI的实时数据。 企业AI技术需要的是当前情境,而非昨日数据。Confluent 将实时运营事件直接流式传输到 watsonx.data——确保每一个模型、智能体和工作流都运行在持续更新的企业数据之上,且内置数据血缘追踪能力、策略执行和质量控制。
  • 激活AI时代的主机现代化。 全球最关键的业务交易长期运行于 IBM Z 之上。借助 IBM Z 与 Confluent 的结合,企业能够在交易源头识别并触发实时事件,同时将交易数据直接流式传输至实时分析、自动化及 AI 工作流。这使得核心交易处理能够与企业其他业务系统实现实时、紧耦合的集成,并支撑企业级规模的扩展。
  • 跨混合环境的事件驱动自动化。 IBM MQ 与 IBM webMethods 混合集成平台共同构筑了企业事件驱动自动化的基石,将有保障的事务性消息传递与面向混合环境的现代化集成及编排能力融为一体。Confluent 通过大规模事件流能力扩展这一平台,使应用程序、API 及 AI 智能体能够实时感知业务事件并做出响应。

依托 Confluent,IBM 咨询及 IBM 合作伙伴将协助客户构建其 AI 所需的数据基础——实时、可管控,并能够在所有系统与环境中持续流动。

"企业从AI试验迈向生产部署的转变中,暴露了企业数据架构中的一个关键缺陷:无法将可信的实时数据交付给最急需的系统。 AI智能体和自动化工作流并非运行在历史数据之上,它们需要的是实时的运营信号,这些信号随事件发生而持续流转于整个企业内部。"SanjMo 的首席分析师 Sanjeev Mohan 表示:"IBM 在构建产品组合方面取得了显著进展,同时覆盖了这一命题的两个维度:一是针对静态数据的治理和基础设施,二是针对动态数据的处理平台。对于那些架构与战略优先级与此路径相契合的企业而言,这是一个值得评估的极具吸引力的技术栈。"

根据协议条款,IBM 以每股 31 美元的现金价格收购了 Confluent 所有已发行且流通在外的普通股,交易对应的企业价值约为 110 亿美元。

有关今日新闻的更多信息,请访问 或 。

[1] *来源:IDC,《10亿个新的逻辑应用:更多背景信息》,文档编号:US51953724,2024年4月

[2 -5] *来源:Confluent 案例研究和客户评价

前瞻性声明根据1995年《私人证券诉讼改革法案》,本通讯中包含的某些陈述可能被视为前瞻性陈述。 这些声明涉及风险、不确定性和其他因素,可能导致实际结果与明示或暗示的结果存在重大差异。 本新闻稿中的前瞻性陈述可能包括有关交易预期收益、交易对 IBM 和被收购业务的运营和财务业绩的影响以及交易完成后的预期等方面的陈述。无法保证交易的预期收益能够实现。 所有前瞻性陈述均基于IBM截至本新闻稿发布之日可获得的信息。 IBM 向美国证券交易委员会提交的文件(包括其最新的 10-K 表格年度报告和 10-Q 表格季度报告)中描述了其他风险和不确定性。 除法律要求外, IBM不承担更新前瞻性声明的义务。

关于IBM

IBM 是全球领先的混合云、人工智能及企业服务提供商,帮助超过 175个国家和地区的客户,从其拥有的数据中获取商业洞察,简化业务流程,降低成本,并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过 4000家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。

媒体联络人

李波 


IBM Corporation logo.

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10