当下大多数中国企业的数字化转型已经进入了持续深入阶段。如果说此前很多企业是把数字化转型的侧重点放到IT基础架构的升级和重构上,那么此时重点已经转向如何在新的IT基础架构之上搭建各种平台和运营高效的IT系统。
“很明显,数字化转型已经是个不可阻挡的趋势。今天,我们能看到很多客户已经切切实实在进行数字化转型,已经从理念或者观点变成了已经在实践的一个项目。不少企业都已经取得了一些进展。”Commvault大中华区总经理王波表示。
王波所说的这些进展首先就体现在IT基础架构方面,随着这项工作的完成,企业的下一个关注点自然地转到与生产直接相关的应用上,作为后台支撑的数据管理系统就是其中之一。
“数字化转型是依赖数据的,如果数据管理系统还部署在相对比较滞后的架构上,是没办法满足现在数字化转型中对数据需求的快速转变的。”Commvault大中华区技术总监蔡报永说。
蔡报永进一步解释说,数字化转型需要数据能够快速敏捷地提供给生产系统来用,如果还是采用落后的方式来提交数据,比如需要靠人工去创建数据恢复平台、恢复数据,那根本满足不了数字化转型对敏捷的需求。
“我们认为,要想做好数字化转型,我们应该把数据管理平台从传统数据恢复为主转化成数据服务,这样才能更加方便地提供给前端应用,满足其需求,这是数字化转型中数据管理需要做出的改变。”蔡报永说。
相比较而言,过往的数据管理更偏向于容灾和恢复,因此在很多企业看来,这是一个重要但不紧急的事情,不少企业即使投入也并不太情愿。而当今企业要进行数字化转型,需要数据的强力支持。作为一个数据管理平台,就应该让数据的价值尽可能发挥出来,这样企业才能认识到这个投资的价值,不再会认为仅仅是为了容灾在投入,而是还能为其生产提供很大的支持。
实际上,这也正是Commvault当下的产品和技术的发展方向。据悉,Commvault目前的产品和解决方案着重发力在两个方面,一个是数据保护,另一个是数据的使用。2018年,Commvault将产品整合为四个:Commvault Complete Backup & Recovery、Commvault HyperScale、Commvault Orchestrate、Commvault Activate。其中Commvault Complete Backup&Recovery是Commvault传统的数据保护和备份产品;Commvault HyperScale是针对当下流行的超融合架构部署的数据保护和备份版本。这两款产品都是为了方便企业管好数据的,企业无论是生产数据还是历史数据,这两套系统都可以管起来。
后面两款产品Commvault Orchestrate和Commvault Activate是增值产品,也是基于前面两款产品之上的产品。它们的主要目的是帮助企业用好数据。比如,借助Commvault Orchestrate™企业能实现协同编排、自动运行,如灾难恢复测试,开发/测试操作和工作负载迁移等等。Commvault Activate更进一步,它把企业数据开放出来给其他的应用,Commvault Activate提供了开放型的API,能提供给第三方,让其开发出更多适用于业务的应用,把数据利用起来。
值得一提的是,随着云计算的普及,多云已经成为很多企业普遍的IT环境。这就决定数据管理要适应这样的IT环境。这里的适应有两层含义:一个是数据管理的平台要能部署在多云环境中,而且能方便地对各种云环境进行统一的管理。这里,Commvault特别强调一个观点就是,数据管理要以数据为核心,把确保数据在各个平台上的自由流动作为主要目标。
第二个调整则是商业模式和合作伙伴战略方面的。随着云的普及,特别是公有云市场规模的扩大,与公有云厂商的合作也成为一个非常关键的问题。据记者了解,如今,Commvault已经先后与AWS、阿里云达成了非常紧密的合作关系,在它们的公有云上可以部署Commvault的产品和解决方案。另外,在合作伙伴战略方面,为了适应新的形势,Commvault还在致力于帮助提升传统合作伙伴的能力,助力它们实现传统分销渠道向增值服务商的转型。
“除了分销之外,我们希望它们还可以基于Commvault去做数据迁移,提供其他服务,帮助它们在新的环境下找到数据价值。我们希望,在任何的形态下Commvault都能够给合作伙伴带来增值,因为只有让它们增值,它们才能愿意和Commvault合作,我们也才算成功。”王波表示。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。