如今,许多企业发现其现有数据管理和保护解决方案难以跟上其需求变化的步伐,而促使需求变化的原因多种多样——可能是容器或Kubernetes增添的全新工作负载,或是企业云策略调整带来的相应改变,亦或是新出台的数据法律法规对数据管理提出更严格的要求,甚至是近期发生勒索软件事件造成的恐慌等等。无论何种原因,企业不得不重新审视其现有的数据管理和保护解决方案。
据Gartner预测, 40%的企业将在2022年之前更换其在2018年初部署的数据备份应用。也就是说,数据备份解决方案与应用的更换已成为许多企业共同关注的焦点。Commvault认为,无论是选择维持现状还是更换备份解决方案,企业都应当从以下几个关键方面入手。
1.自动化
企业IT环境越来越复杂,然而企业并没有更多的时间或人力能够与之抗衡。因此,企业需要能够有效应对复杂性的解决方案,帮助其简化IT运营的过程。而自动化就是其中的关键。
2.灵活性
您现有的解决方案是否能满足您的需求?数据管理方式又是否受到了特定供应商的局限?企业需要选择适合自身的解决方案,而不是被迫接受某个特定解决方案提供的特定数据管理方式。企业需要确保有关数据策略、保留或行为等方面的任何决策或配置都能按需更改。如同复杂性一样,不断改变也是当今业务和数据环境的重要特征之一,因此企业必须掌握必要的灵活性。
3.成本模型
“钱要花在刀刃上”,即企业花费的成本要能达到其期望的效果。市面上有很多数据管理和保护解决方案及服务,企业应当根据自身业务及财务状况,通过缜密的调查和评估选出最适合自己的解决方案。
4. 可扩展性
可扩展性不止是规模的扩大。企业需要一个支持向上扩展和向下扩展的解决方案,以适应不断变化的数据管理需求。云中运行永久性计算会大幅增加成本,因此可扩展性对评估云中数据和工作负载尤为关键。企业需要能够按需增减资源的弹性,以灵活匹配企业需求。此外,可扩展性还意味着能够根据企业全新的技术和业务需求而扩展相关特性或功能,也就是企业要思考能否在无需全盘推翻的前提下轻松地添加新功能。
重新评估现有数据管理解决方案时,企业必须要全面而谨慎地思考,无论是维持现有方案还是更换新的解决方案,都需要确保能满足企业及其利益相关者的需求。作为数据管理、保护和恢复领域久经验证的领导者和创新者,Commvault可以为企业重新评估现有解决方案的过程出谋划策,帮助企业轻松适应瞬息万变的业务和数据需求。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。