Gartner的数据显示,2018年备份软件市场超过64亿美元,同样这一年,云数据管理领导者Veeam营收超过10亿美元。2019年上半年在全球备份市场增长6.8%的情况下,Veeam 全球最重要的战略市场之一亚太地区实现36%的增长。其中,中国作为高增长市场,2019上半年总预定量增长41%,并且Veeam的新许可证净收入增长超过任何其他供应商。新客户贡献高达69%。
为什么Veeam能取得这样的成绩?Veeam如何瓜分预计在2023年高达310亿美元的云数据管理市场?近日VeeamON Forum 2019来到中国,Veeam负责全球业务的企业战略副总裁Dave Russell、亚太及日本地区高级副总裁Shaun McLagan先生,和中国区总经理张弘分享了最新的市场资讯。
要说Veeam的成绩要从今天的备份和云数据管理市场的变化谈起。Gartner最新发布的预测显示,相对于2017年企业采用的备份系统,到了2021,超过50%的企业将使用新的数据管理解决方案来替换当前的备份应用系统。
这份预测对于传统的备份厂商来说是噩耗,但是对于立足于云数据管理的VEEAM来确实利好消息。
一方面企业发现数据管理不当造成的成本很高;另一方面,传统的数据备份应对客户复杂的数据管理心力不足。
《2019 Veeam 云数据管理报告》表明,73%的组织未能满足用户对于应用和数据的不间断访问的需求;许多企业现在都希望采用云数据管理来更好地满足对于数据的保护需求,同时能有效的利用其数据资产。调查显示停机不仅能有损于企业的品牌诚信,同时停机每年为中国企业带来超过1490万美元的损失。
当前企业面临的数据管理愈发复杂,很多企业运行的都是多年前购买的备份系统,随着企业业务的复杂度提升,有的企业选择多个备份的厂商,但是还是不能解决问题。
“过去企业采用迭代的方式来管IT的,很多企业运行的是十年前买的备份系统,那么面对今天超融合系统、混合云的崛起、SaaS的应用,需要探讨新的数据管理系统来确保企业IT运行得更快,而且成本更低,效率更高。” Dave Russell谈到。
面对新的需求,就需要把一些传统的系统抛弃掉,来采用Veeam的最新技术和产品。所以能够确保在云、虚拟、物理等环境下的数据可用性和数据敏捷性的Veeam成为企业的选择之一。“至于我们为什么比市场发展快五六倍?因为他们那些老的技术不再发展了,我们新的技术发展速度非常快。” Dave Russell这样总结Veeam的高速发展。
在加入Veeam之前,Dave Russell在Gartner有过多年工作经验,至顶网希望他谈一谈根据他的经验对未来Veeam发展的建议。
Dave Russell的核心观点是积极、聚焦和创新。他认为不要被数字所迷惑。企业在发展过程中不要自满,并一定要保持那种积极的进取这种精神。“但是也不要跑偏了,跑到不是你核心的业务上面去。比如说我们常说的,我们游泳,一定要在泳道里面去游,尽管我们的泳道可以变得非常宽,但还是不要超出这个泳道的范围。” Dave Russell谈到。
同时Veeam应该围绕一个重点,即备份。在围绕备份这个定位条件下,积极关注跟备份相关的其他领域,关注一些新的领域比如说云数据管理、混合云、多云环境等。最后要积极进取,达到10亿美元的目标之后,还要期待能够达到20亿美元的目标。基于这些,Veeam才能够积极应对2023年高达310亿美元的云数据管理市场。
今天有数据的地方就有Veeam解决方案。在中国,根据Veeam的产品特色和客户的需求,主要关注的行业包括金融行业、制造业、教育和医疗还有能源,这几大行业。同时张弘表示,
Veeam在中国的发展实际上来讲,更强调的是不同的合作伙伴生态系统。
“实际上我们的合作伙伴生态系统有两种。成熟的一种就是我们有传统的这种ProPartner体系,把Veeam作为一种传统的产品解决方案,部署在数据中心,或者是部署在云端。还有一种我们叫做全新的VSCP这个模式,把一些能力开放给合作伙伴,通过利用Veeam的很多技术,结合自己的解决方案提供出更多丰富的、更有价值的解决方案和数据管理服务。”
“Veeam比其他的友商来说,更开放,更灵活,而其产品更简单,更可靠,模式更创新,这就是我们跟其他公司的区别。”张弘最后分享到。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。