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
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。