美国时间2018年5月14日-16日,VeeamON 2018在美国芝加哥举行。这也是第四届Veeam年度用户及合作伙伴会议,Veeam 展示了全球用户如何利用面向智能数据管理的 Veeam Hyper-Availability Platform 保证业务连续性、降低风险并加快创新速度,在今天这样一个技术时代,物联网、人工智能、机器学习和区块链等技术要求平台具有强大的可扩展性,并能够轻松进行数据管理。
Veeam联合创始人Ratmir Timashev接受至顶网采访,表示Veeam在联合首席执行官兼总裁 Peter McKay 的领导下取得了战略上的突进,并表示目前Veeam在财务上处于非常健康的一个状态,公司目标是打造一个百年企业。同时今年真正跨入一个十亿美元的企业。而今年Veeam提出新的愿景,要做一个为企业提供超可用智能数据管理的企业。在今后Veeam给出一个非常明确的信号就是云是未来发展方向。
Veeam公司联合CEO兼总裁Peter McKay谈到,Veeam成立的背景就是面向多云环境。“自从Veeam于2006年成立以来,我们一直是多云环境中应用程序和数据可用性解决方案的首选提供商,我们将自己牢牢地确立为该领域的领先供应商,”
同时Veeam NPS得分达到73,超过苹果、AWS。苹果公司的得分是72分,亚马逊的得分是69分。
Veeam连续第五年超越行业。Veeam的NPS得分达到73 。比行业平均水平高3.5倍Veeam是客户满意度领域无可争议的行业领导者。
Veeam公司联合CEO兼总裁Peter McKay在接受至顶网采访时表示,取得这样的成绩首先是Veeam的产品体验非常好,非常客户化和易操作化和使用化。其次,客户服务客户关怀做的非常好。最重要的是产品的创新度非常好,能给客户带来惊喜。同时内部来看Veeam也是全球最佳雇主之一,是以人为本的公司。
Veeam 中国区总经理施勤在接受至顶网采访时表示,中国用户的需求和全球用户相比较,处于相同的需求。国内速度发展很快,都认可混合云发展和多云发展的趋势,他表示:“2017年对于中国市场来讲,最大的惊喜就是中国市场的高速增长。Veeam在中国也进入一个快速增长的通道,中国市场增长60%。2018年中国的目标是140%的增长。同时Veeam对中国的投资从人员和物资来看都是翻倍。今年Veeam会成立上海办公室。注重长江三角洲是公司一个重要的战略。
同时施勤表示Veeam 当天推出的战略利用了更基于行为的系统,因此数据可以自主管理,并以创记录的速度提供关键业务和运营洞见。这些计划将确保我们在企业级市场不断发展,并在包括中国在内的亚太及日本地区推广超级可用性。
在VeeamON 2018上,发布了Veeam Hyper-Availability Platform的新核心组件——Veeam DataLabs™。Veeam DataLabs是一种副本数据管理格式,让组织能够按需求轻松创建新的生产环境实例。这一功能在普通数据保护情景(如DevTest、DevOps和DevSecOps)之外增加了新的用例,加入了安全和取证测试,以及适用于IT运营的按需沙盒,可在加速创新、提高运营效率、降低风险和优化资源方面为企业创造价值。
谈到Veeam DataLabs,Veeam 中国区总经理施勤在接受至顶网采访时表示“在数据成为关注焦点的世界中,企业为客户提供超级可用性并避免停机比以往任何时候都更重要。Veeam DataLabs确实将加强Veeam的Hyper-Availability平台,为亚太及日本地区的企业和全球提供创新的数据解决方案,而不会影响用户体验。”
好文章,需要你的鼓励
人工智能开发商Anthropic为其旗舰聊天机器人Claude推出新的医疗健康功能,用户现在可以与服务共享医疗记录以更好地了解自己的健康状况。Claude可以连接官方医疗记录和苹果健康等健身应用,进行更个性化的健康对话。新功能现已向美国的Claude Pro和Max订阅用户开放。公司强调该工具不用于诊断或治疗建议,而是帮助用户理解复杂医疗报告,为医患沟通做准备,并承诺严格保护用户隐私数据。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
谷歌发布通用商务协议(UCP)开放商务标准,旨在让AI智能体自动化整个购物流程,从产品发现到支付再到售后服务。该协议与Shopify、Target、沃尔玛等零售商合作开发,支持AI智能体协同处理客户购买流程各环节。谷歌还推出品牌商业智能体和直接优惠工具,优化AI搜索中的购物体验。麦肯锡预测智能体商务到2030年将成长为3万亿美元市场。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。