资金非常充足的初创公司Rubrik宣布购买了分布式数据库备份初创公司Datos IO。
Datos IO的RecoverX语义重复数据删除技术已被应用于保护大数据文件系统,如Hadoop、云原生数据源和分布式NoSQL数据库。Datos IO最近将其技术范围扩展到关系型数据库。
Datos IO的客户包括财富15强企业中的3家,以及全球最大的家庭装修零售商——据猜测可能是Home Depot。许多客户在公共云中使用Datos IO技术。
Rubrik现在将这一功能添加到其现有的关系型数据库和结构化数据备份功能中,大大拓宽了数据保护的覆盖范围。
Datos IO成立于2014年,获得了1525万美元的资金。NetApp和思科也投资了该公司。Rubrik成立于2014年,已经获得了超过2.92亿美元的资金。
这两家公司并没有说收购成本是多少,也没有透露是以何种方式支付的——现金、股票还是两者的组合。
Rubrik联合创始人兼首席执行官Bipul Sinha表示:“随着企业采用NoSQL云数据库进行数字化转型和人工智能计划的时候,管理和恢复应用程及数据的需求成为首要考虑因素,我们很高兴Datos IO加入Rubrik,加速企业管理和恢复这个现代应用的创新。”
Datos IO共同创始人、首席执行官Tarun Thakur表示:“Datos IO为云本地应用和数据库提供关键的备份和恢复功能。Rubrik和Datos IO拥有一致的云数据管理愿景,致力于帮助客户进行数字转型之旅。”
Sinha曾在去年9月表示,分布式数据库是市场中很小的一部分,如果这部分市场发展到一定的规模,那么Rubrik就会扩大自己的产品范围以覆盖这个市场。
当时,Datos IO公司负责市场营销和业务开发的副总裁Peter Smails回应:“说Datos IO在市场中微不足道是不正确的。Dell EMC、CommVault和Veritas都在这个领域进行投资并发出声音,涉及到非关系型工作负载和大数据工作负载的数据保护而言,Rubrik似乎落后于传统厂商。看看Cloudera的IPO和MongoDB最近的IPO申请,就知道这个市场发展得还不错。”
显然Rubrik希望通过收购Datos IO、而不是自己开发自己的技术来扩大市场覆盖范围。
评论
和Veeam一样,Rubrikue也正在将其数据源覆盖范围扩展到更广泛的本地和云中数据源。这么做,是要吸引客户使用数据保护和数据管理,还有那些可以保护他们大多数或者所有各种本地数据生产工作负载、公有云工作负载、混合工作负载的提供商。
Cohesity、Commvault、Druva、Rubrik和Veeam——作为Dell EMC和Veritas传统类型的提供商)都在努力满足这一需求。Rubrik此举也很可能会刺激其他厂商扩大自己的覆盖范围。
Datos IO将继续由Tarun Thakur领导,作为一个名为Rubrik Datos IO的新业务部门,向首席执行官Bipul Sinha汇报。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。