北京,2019年1月17日——驱动智能数据管理(Intelligent Data Management)的数据保护解决方案领导厂商VeeamSoftware(卫盟软件)今天宣布,公司获得Insight Venture Partners 5亿美元投资,同时吸引战略投资商加拿大养老基金投资公司 (CPPIB)强势加盟,这项投资将加快Veeam在下一阶段的发展,巩固公司面向公有云和私有云环境提供数据管理解决方案的龙头地位。Veeam将利用Insight Venture Partners的内部业务战略工具Insight Onsite和资金,加速通过自然增长和并购活动实现业务扩张。
Veeam是世界上最大的私营软件公司之一,年销售额大约10亿美元,拥有超过32.5万家客户,每年以5万家新增客户的速度持续增长。随着云数据管理市场的快速发展,企业每年预计在这一领域投资300亿美元,Veeam在过去12年间持续实现自然增长,其处理的生产环境工作负载超过市场上任何一家系统管理公司,这充分证明了Veeam的发展。
Veeam联合创始人兼销售及营销执行副总裁(EVP)Ratmir Timashev表示:“我们与Insight Venture Partners的Jeff Horing和Michael Triplett建立了长期的合作关系,2002年Insight投资我们的第一家公司Aelita Software时,我们就开始合作了。之后,我们一直从Insight获得战略建议和支持,2004年我们将Aelita Software出售给Quest Software之后,我们继续保持着合作关系。多年以来,Insight已经成为Bill Largent、Andrei Baronov和我值得信赖的咨询公司,即使在2013年回购了Veeam的少数股份。今天,Veeam已经成为数据管理领域的领导者,拥有超过32.5万家客户,6万家合作伙伴,82%的《财富》世界500强企业依靠我们的解决方案,行业分析师预计我们将成为所有领域的领导者,借助Insight和CPPIB的投资,我相信我们将进一步升级。”
Insight Venture Partners管理总监兼Veeam董事会成员Michael Triplett表示:“过去十年,Veeam已经成为数据中心备份和恢复软件的主要供应商,目前是面向公共和私有云环境提供数据管理服务的市场领导者。只有像亚马逊和苹果这样卓越的公司才能在多个市场占据领导地位,Veeam现在加入了这一精英集团。在技术、远见和市场进入战略方面,Veeam具有无与伦比的领导力,我相信,这将进一步巩固它们的市场龙头地位。Insight非常期待与Veeam的管理层继续携手并进。”
Insight Venture Partners的投资证实了Veeam领导层提出的设想和方向,即成为最值得信赖的数据保护解决方案和驱动智能数据管理的方案提供商,并通过Veeam Availability Platform为全球客户提供灵活性、可用性和业务加速服务。利用Insight Venture Partners的专业知识,这项投资将让Veeam能够通过自然增长(即产品组合创新和深化全球布局)和并购活动(促进Veeam向周边市场进军)加快发展速度。
根据本次投资的约定,Insight Venture Partners管理总监Michael Triplett将加入Veeam的董事会。
Willkie Farr & Gallagher LLP联席总裁Gordon R.Caplan是本次交易的顾问。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。