自今年5月GDPR正式生效以来,全球企业均面临着数据保护的挑战,尤其是国内多个行业领域,企业自身也在重新审视自身的数据处理战略及行为。中信云作为中信集团旗下企业,基于企业需求与行业趋势,与Commvault达成战略合作,共同加速数字化转型的落地。
此次合作在IDC中国数字化转型年度盛典上正式向媒体公开,Commvault亚太区企业解决方案架构师李可与中信科技发展有限公司首席技术官宋翔于会后接受媒体记者采访,详细介绍了双方合作的具体细节以及合作初衷。
据李可介绍,Commvault提供的是基于IaaS提供一套Backup as a service、DR ( as a service)备份级服务及容灾级服务的统一管理方案,嵌入至中信云接口下, 作为一种按需消费的SaaS服务来展现,其覆盖的范围不仅仅局限在云平台上,可以根据不同机构需求进行扩展和延伸。
我们知道,继今年发生的一系列影响全球数千万用户的数据泄露事件后,企业已然意识到数据安全的重要性,外加如今人工智能、物联网、区块链等新技术的不断发酵 ,数据量也呈现爆发增长趋势。Commvault与中信云的数据管理解决方案可以充分发挥公有云平台优势,降低集成复杂度,提高平台灵活性及扩展性,节省总体拥有成本,提供业务敏捷性和用户体验,为企业IT治理与数据安全提供坚实基础。
“部署在中信云上的Commvault数据保护服务,也为客户提供从本地数据中心到云端应用完整的数据备份、恢复以及容灾服务,可以有效防止因灾难、人为错误等因素而导致的数据损坏或丢失。”李可强调称。
不过业内做数据保护的供应商众多,提到中信云为何会最终选择Commvault?宋翔首先向记者介绍了中信云的历史,他提到:”中信云于2016年8月份正式上线,以”共生共享共创新“为品牌理念,主要为支持中信集团的数字化转型,一直以来都以开放的态度做事情。之所以会选择Commvault?主要有两个原因,一是与中信云当下的需求完全相符,且Commvault在数据保护领域非常专业,一直处于领头羊的地位;二是企业数字化转型的浪潮中,上云已然成为大势所趋,而Commvault技术目前可以兼容市场上大部分主流的云技术。
“事实上,我们也是对比多家之后才选择的Commvault,中信云需要的是云服务,且有备份、存储并广泛支持各种云平台的功能,尤其是当下云化概念不断深入。另外,金融行业作为数据密集型行业,数据量日益庞大、数据质量及安全性要求极高,而Commvault确实解决了我们实际存在的问题。”宋翔表示。
众所周知,随着第三平台与行业创新加速器六大技术的应用,数字化转型将成为所有企业未来10年的主旋律,截至2017年,50%以上的中国Top1000大企业都将把数字化转型作为公司的战略核心。而数字化转型也并非易事,涉及到方方面面。其中,数据的安全和管理就是一项关键问题。据悉,中信云作为中信集团旗下企业,所服务的客户更多的还是中信内部的生态企业,同时也涵盖了Commvault部分客户,主要支持数字化转型业务,迎合市场需求。
对于数字化转型,李可进一步解释道:“我们不以数据的位置及企业管理的高低为标准来评判企业数字化成熟度,而是以客户如何去创建、部署、使用及评估来确定。中信云的目的是希望给企业一个成熟度较高的基础架构来帮助转型过程,或者是促进企业转型的速度。由于行业的区别,所有数据不可能放在同一个云平台上,这就当下大部分企业在转型过程的主要诉求,也是Commvault的优势之一。
小结:
最近一年中,提到Commvault,更多的信息是与各大企业展开一系列合作。首先今年6月与阿里云达到合作,携手为企业提供混合云数据管理解决方案,企业用户可以在阿里云平台上使用Commvault提供的安全数据管理服务,并于今年的云栖大会期间宣布合作取得进一步进展;其次,去年在华为全连接大会上与华为宣布在混合云场景的数据保护方面加深合作;在今年的Huawei Connect 2018大会上,Commvault与华为联合推出华为超融合数据保护解决方案(Huawei Data Protection with Commvault HyperScale™);而此次再宣布在中信云上部署Commvault数据保护服务……一系列的合作可以看出,目前Commvault已经与几乎所有较大规模的云提供商都有关联,我们也相信,未来Commvault与各大企业强强联手,将会为企业客户提供最佳的数据管理解决方案,加速企业的数字化转型步伐。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。