时光荏苒 岁月如梭,转眼间,又是一年华为全球联接大会。相信IT圈里人的朋友圈除了卖月饼的、代购的……剩下的应该是被HC2017刷屏了。
同样,此次大会上的各大产品线动作被媒体一一关注,而记者最为关注的是Commvault与华为在大会期间宣布进一步加深混合云数据保护的合作。我们知道,云计算的兴起掀起了IT界的一场革命,全球用户上云率在逐年增长,而企业采用混合云比例会高达70%,但混合云面临着管理、成本及安全等多方面的挑战,不仅缺少云上、云下的备份系统统一管理的手段,同时传统带库介质也会带来购置、维护及网络带库费用,使企业数据安全难以保证。
Commvault与华为混合云备份解决方案,通过Commvault一体化数据管理平台,将传统企业数据中心或私有云数据备份至公有云,并支持云下或云内恢复。利用基于重删的传输加速,使带宽占用大大减少,并且兼容目前各大主流应用系统。
对于再次与华为加深合作的原因,Commvault大中华区总经理王波表示:"这是一个双向的选择,华为在通信网络、计算存储等方面成绩斐然,而Commvault在数据保护领域一直处于领先地位,借助双方各自在硬件及软件技术的优势,立足于国际化市场,共同保证本地和云端数据的安全性。"可以看出,自结盟以来,两家公司在数据支持方面合作非常愉快,而这次的加深合作使两者伙伴关系再次升级。
事实上,Commvault与华为的合作早在几年前就已经开始了,在2013年签署数据存储相关软件销售协议,此后还设计软硬件一体化集成数据保护方案等等,最值得一提的是在去年的华为全联接大会上,华为与Commvault共同在成都建立联合实验室,进行数据备份、恢复、归档和云解决方案的共同研发。
事隔一年,据Commvault亚太区企业解决方案架构师李可介绍,目前实验室主要做了三个方面工作,一是在是建模;二是在建模基础上对全新软件、平台进行嗅探测试、穿探测试、渗透测试、安全病毒扫描一系列完整的validation test(验证测试)。第三对华为的全闪存、固态阵列、公有云、私有云平台搭建测试场景。
王波补充道:"目前实验室主要做技术和业务两个方向,目前处于探讨规划阶段。"
其实,企业级数据保护市场可以说是个不大也不算小的圈子,市场需求增长,新兴厂商也层次不穷,而连续数年增长在市场站稳脚跟的Commvault也证明了自己的成功之处。
"Commvault会像长者一样思考,像青年一样奔跑,像中年人一样管理好家庭。"李可非常幽默且形象的比喻形容企业优势。他认为,Commvault算是业界覆盖面较为广泛的厂商,无论是虚拟化平台、云平台,容器技术等,都在逐渐做宽延深,Commvault支持公有云对象存储、虚拟化平台、大数据平台最广泛的平台,且支持大部分应用系统,用户可定制API,灵活选择。
除此之外,王波对当前数据保护领域的竞争格局也提出了自己的看法。我们知道,在当前市场,除Commvault,Veritas云灾备、Veeam虚拟机保护均占据不同市场份额。王波对Commvault目前发展持满意态度,他认为,公司在Gartner魔力象限已经连续七年保持遥遥领先地位,说明客户、媒体及IT界对公司产品、技术是认可的。"Commvault本身的核心部分不仅仅局限于数据保护、备份与恢复,主要还是面向全生命周期管理。" 王波表示。
在当今的数字经济中数据已然成为助力企业成功的重要因素。随着前段时间勒索病毒的不断攻击,企业的云化之路愈加激烈。此次华为与Commvaut在2017全联接大会上宣布加深混合云数据保护合作,相信会帮助企业将价值最大化。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。