中国拥有庞大的本地市场,相信这是任何一家IT厂商都看重的,但同时这个市场也正在抛给他们更多亟待解决的问题。
棱镜门事件把信息安全推上了风口浪尖,一方面,人们对信息安全保护的需求更强烈了,对于这个领域的信息安全厂商来说无疑是利好的,而另一方面,不少国家政府对于选择国外厂商更加慎重了,对信息安全的保护力度,使得不少外资企业在华频频陷入困境。
前不久笔者有机会采访赛门铁克全球高级副总裁、亚太及日本地区总裁Adrian Jones,当谈到传统IT大厂商今年在中国市场的遭遇时,他坦率地说“我希望赛门铁克是一个例外”。
但他不失信心地说,安全是一个热点领域,全球来自存储和安全领域的需求快速增长,同样的情况也发生在中国,这对赛门铁克来说是个好消息。“要知道,我们在中国市场上面临的挑战和全球其他市场没有太大差别,不可否认的是,对于技术的需求是持续增长的。”
Jones在今年6月加入赛门铁克,负责亚太及日本地区的业务。加入赛门铁克之前,他曾在甲骨文和惠普公司就职
“赛门铁克现在在中国有超过1400名员工,其中800人专门从事研发和工程方面的工作,未来我们会加强在中国区的投入,因为中国对我们亚太地区的战略发展是很关键的……我们其实并不担心竞争,实际上正相反,我们欢迎健康的竞争。进入中国15年以来,我们已经打下了非常坚实的客户基础。”
不仅如此,赛门铁克正在加强在中国市场本土化的应对策略,专门设立了一支本土化团队将研发、销售与本地市场需求相结合。“赛门铁克与竞争对手的不同之处在于,不是只靠单点产品或者某一项技术来取胜,而是围绕提供围绕数据保护和数据安全的整合解决方案,解决数据生命周期管理、实现灾后恢复和安全等问题”。
上个月,赛门铁克刚刚公布最新财报数据,这个季度的营收相比去年同期增长1.5%,与上个季度变更CEO人选时相比增幅达到6.4%,这样的成绩高于市场预期,利润则远高于去年同期水平,看来赛门铁克着手推进的内部成本削减策略已经取得成效,并且持续为利润提供助力,利润增幅高于营收增幅的现状很好地解释了这一点。
销售业绩提升则主要得益于赛门铁克将营销力量拆分为新业务与传统业务两个团队,此番努力让NetBackup取得了不错的市场表现,营收与上年同期相比增长了35%。信息管理部门取得的6.5亿美元营收与上年同期持平。NetBackup软件及一体机产品线持续增长,但Backup Exec产品表现平平。Backup Exec 2014今年6月刚刚推出,赛门铁克希望新方案能扭转原本的不利局面。值得一提的是,新一代Backup Exec能够将备份与重复数据删除速度提升一倍。
总体来看,目前赛门铁克的业务关注重点包括备份设备、移动、高级威胁保护、托管安全服务以及数据丢失预防等。
在备份方面,赛门铁克在过去几年始终保持着高于市场平均水平的增长速度,并将继续在NetBackup产品中推动创新努力并为市场带来更多差异化设备方案;在存储管理方面,赛门铁克此正在向此前承诺过的技术方案投入研发资金,例如软件定义存储、对象存储以及灾难恢复即服务等等,相信这几类产品会带来更为广阔的市场。
在安全业务领域,赛门铁克正在将关注重点由过去的“预防”转变为“检测和响应”,通过多种不同方式解决高级威胁检测这一难题。赛门铁克希望通过推出高级威胁保护解决方案,构建起一套覆盖网关、电子邮件以及终端的集成化保护措施和多层安全机制。
谈到整体业务发展时Jones说:“赛门铁克不做硬件,通过软件产品赋予硬件更大的价值,是我们非常独特的地方,但我们非常重视也正在与硬件厂商在信息管理和安全管理方面密切合作。”他透露近期赛门铁克正在与两家主流存储厂商紧密合作,
今年不少主流安全与存储厂商有不错的运营表现,赛门铁克能否从自己的角度出发与其它同类厂商进行对抗,从而促进客户购买赛门铁克的产品并借此实现营收增长?为此,赛门铁克把营收增长寄望于对灾难恢复即服务、安全产品与服务、软件定义存储、对象存储等方面的投入。
不管怎样,除了眼下亟需一位能够为公司带来强劲动力的新任CEO,赛门铁克还需要改变在不同市场的运营思路,这样才能重回正轨、继续充当叱咤风云的技术巨头。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。