20世纪70年代著名的摩尔定律向人们揭示了应对变化发展速度的最大挑战,而今,人们所面对的问题则更为复杂。它不再单纯地与技术发展的速度相关,而是在于技术将向什么方向演进?而这一问题的答案则是:技术的发展方向是宽泛的,它将无处不在!
事实上,新一代的IT发展变革已经拉开了帷幕:IT将无处不在。对信息获取、自动化和随时随地访问网络的狂热需求意味着整个世界将会“时刻在线”。诸如云服务、大数据、社交媒体和移动数据等现象的出现正在不可逆转地改变着技术的消费方式。
IT的业务困境
对企业而言,数据的移动性与非结构化数据的爆炸式增长都为其IT部门的业务运营带来了巨大的挑战。
最近一项对600家企业进行的研究发现,在95%的企业中已经有员工使用个人移动设备和应用来完成工作。该调查还显示,92%的企业将移动应用看作是获得竞争优势的途径。可以说,移动性的发展趋势已经超越了大部分企业的掌控力,同时也为企业的数据资产带来了安全隐患。
除此之外,管理数据本身也为企业带来了更大的挑战,这主要是因为企业内部的非结构化数据不仅数量越来越大,而且种类也在不断增加。据Gartner统计,大多数企业每年增加40%到60%的非结构化数据,其中大部分数据是由电子邮件、共享文件等商业活动所带来的。这不仅会在用户设备、备份设备和文件服务器上留下大量令人眼花缭乱的拷贝,而且会造成存储和网络的效率低下、内容重复,以及存储、备份和数据管理的高成本。更不用说控制和管理敏感数据的其它顾虑。
面对如此众多的困惑时,我们反而更加明确了一个观点,那就是:传统的思维和方法在这个“时刻在线”、持续变化以及不断成长的环境中是不奏效的。
解除负担
我们这里所指的负担是指在办公室内外、私有或公有或混合云中所存储的内容。那么如何能够解除负担呢?我们认为应当根据数据的价值,对这些内容进行合理化的存储放置。也就是
要能够采用数量最少的管理接口、最广泛的数据保护来实现数据迁移。而这,对于支持传统和现代应用及设备、避免安全漏洞以及根据需求进行扩展都是至关重要的。
因此,对于企业而言,不论所面对的内容是来自于iPad或手机等移动设备、远程办公的边缘设备、办公楼宇内的工作台和私有云中,还是来自外面不同供应商的公有云中,他们需要搭建和实施能够实现统一控制和管理移动数据的内容平台。
针对这一需求,市场上已有不少相关产品和解决方案,对于企业来讲,无论最终选择何种解决方案,其核心的主旨必须是明确的:其设计必须使IT能够跨越多个设备、位置、应用和存储资源来调动内容。
在这里,我想要介绍的是HDS的内容管理平台(HCP)增强套件。这款产品可以使IT企业和云服务提供商从单一系统中进行存储、共享、同步、保护、保存、分析和检索文件数据。
在开发这一产品的过程中,我们始终怀有一个目标,即要赋予IT部门以充分的灵活性,以支持企业在数据中心保护与管理,以及对整体效率方面的业务需求。这种灵活性也这包括企业可能选择的云合作伙伴的灵活性。更重要的是,确保不会让企业被锁定到特定的云服务之中。HCP增强套件除了可支持更多云服务方面的选择,还提供了平衡运营支出(Opex)和资本支出(Capex)的连锁效应。
此外,HCP增强套件还具有自定义功能,能够支持创建“安全区域(Trust Zones)”。这一功能可以根据共享安全策略,即通过一系列数据和服务访问管理规则,来划分一个“安全区域”,可包括:一组人员、信息资源、数据系统、和/或网络。
除了上述功能之外,HCP增强套件还可以支持互联网协议版本6(IPv6),它可以简化地址管理,增加对新设备的支持,并且可以使供应商更为容易地与企业私有云进行整合,或是通过专用地址空间向客户提供虚拟私有云服务。
内容管理——未来致胜的关键
如今,非结构化数据的增长、办公移动性的增强以及业务的不断变化,无疑正在驱动企业商业模式向数据驱动方向所转化。技术、设备、选择的范围以及连接与合作的需求都在不断地变化和增长中。面对这一崭新的、移动的、依赖技术的世界,企业如想赢得竞争,就需要紧跟IT变化,调整协同工作方式,以实现创新、获胜和盈利。
当然,成功意味着首先要克服持久的、甚至存在于更复杂数据环境中的IT挑战。但是,无论未来发生什么样的变化,也无论未来的发展指向何方,真正的关键是要实现一个整合的,能够随时随地支持员工、数据和移动(云)环境的内容平台。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。