云数据管理™备份解决方案厂商 Veeam Software(卫盟软件)今日宣布,其年度订单总额超过 10 亿美元,这一里程碑目标的实现标志着其跻身精英软件公司行列。在订单总额突破 10 亿美元之际,Veeam 的客户数量也超过了 35 万,新客户增速为每月 4,000 以上,这说明其转型发展首战告捷。在迈阿密举行的 VeeamON 2019 大会上,Veeam将阐述其如何加快实现云数据管理领导地位,以及如何开启下一阶段的成功增长。
Veeam 联合创始人兼全球销售和营销执行副总裁 Ratmir Timashev 表示:“Veeam 开创了 VMware 备份市场,并在过去十年间一直处于这一市场的领先地位。这只是 Veeam 的第一步,我非常高兴实现了 10 亿美元这一目标;2013 年我曾预测我们有望在六年之内实现这个目标,我们真的做到了!然而,当前的市场仍变幻莫测。尽管备份依然非常重要,但是如今的客户正借助 AWS、Azure、IBM 和 Google 等平台搭建混合云环境,他们需要的不仅仅只是备份解决方案。要在这种不断变化的环境中获得成功,Veeam 必须主动出击,积极调整。Veeam 不仅拥有 6万多个渠道合作伙伴和服务提供商合作伙伴,而且还拥有包含思科、慧与 (HPE)、NetApp、Nutanix 和 Pure Storage 等在内的广泛的技术合作伙伴生态系统。我们已经准备好下一阶段继续引领新的云数据管理市场,我们的混合云愿景和战略将见证我们未来的成功,这使得其他竞争对手都望尘莫及。”
十多年来,Veeam 一直是备份、恢复和复制解决方案的领导厂商。最初专注于 VMware 环境的服务器虚拟化解决方案,近年来,Veeam 不断扩展其核心服务和解决方案,一方面提供与多个虚拟机管理程序、物理服务器和端点的集成,以及基于公有云和 SaaS(软件即服务)的工作负载;另一方面,与云、存储、服务器、HCI 和应用程序供应商合作,联合提供强大的云数据管理平台。
Veeam 以合作伙伴为中心的战略和顺应市场趋势主动调整的能力一直是其成功的关键,也是推动其下一阶段继续发展的基石。今年一月,Veeam 推出的 Veeam Availability Suite 9.5 Update 4 具备全新主要功能,可轻松实现云迁移和云移动、云原生备份、经济高效的数据保留以及移动式云就绪许可,增强数据管理和安全性,让服务提供商能够比以往更加轻松地将并由 Veeam 提供支持的服务快速推向市场。此外,Veeam 今日还宣布启动新的 with VeeamTM 计划(参见另一篇新闻稿),与位居市场前列的企业存储和超融合 (HCI) 供应商合作,将 Veeam 软件解决方案与前沿的存储和 HCI 基础架构硬件和管理堆栈有机结合,携手为客户提供全面的二级存储解决方案。Veeam与 ExaGrid 和 Nutanix 合作开发的解决方案已相继推出。
“我们从一开始就重视与合作伙伴协作为客户创造价值。通过与存储和云供应商合作,我们为各种规模的企业客户提供灵活可选的解决方案,并助力客户创造价值。新的 with Veeam 计划正是这种合作方式的生动写照,这一战略有助于我们进一步扩大我们的领先优势。”Timashev 补充说道。
Veeam 能够不断改变并顺应市场进行调整、深入了解客户需求、保持创新步伐并积极分析行业拐点对客户的影响,这些因素使其成为无可争议的云数据管理领域的领军企业。预计到2020年,云数据管理市场将超过 150 亿美元 。
了解更多信息,请访问 https://www.veeam.com。
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。