北京 – 2021 年 1月28日–近日,全球数据保护及数据管理领域的领导者Veritas Technologies宣布对其企业数据服务平台进行重大更新,为客户所有云环境用例提供统一平台。此次更新还包括收购HubStor,以实现强大的企业备份即服务功能。Veritas还推出了新版NetBackup™ 9,它的新功能可以简化操作,并为客户提供跨边缘、核心和云的统一数据保护平台,同时为客户提供了更多选择,增加了部署灵活性。
Veritas首席执行官Greg Hughes表示:“如今,越来越多的企业前所未有的依赖微软365、Slack和Box等云服务。但是,很少有公司意识到他们有必要为SaaS应用程序部署自己的数据保护策略。Veritas将HubStor纳入Veritas产品组合中,旨在让客户可以通过统一平台保护所有数据,包括SaaS数据,无论数据存储在云、数据中心还是边缘都可以得到有效保护。”
通过此次发布,Veritas进一步巩固了其在多云数据保护、可用性和洞察方面的领导者地位。Veritas企业数据服务平台支持超过800种数据源、100多种操作系统、1400多种存储设备以及60多类云平台。
收购HubStor
通过收购HubStor,Veritas可以扩展对各种基于SaaS的应用程序的保护,包括Microsoft 365、Slack、Box和Google Workspace。HubStor建立在现代API-first架构上,能够与统一的企业数据服务平台轻松集成。作为整体数据保护战略的一部分,融合后的企业数据服务平台可以帮助客户进一步简化操作并降低风险。
HubStor的研发旨在帮助企业解决他们在云数据保护方面遇到的挑战。HubStor的设计从根本上满足了保护、管理和恢复企业数据集所需的高性能和可扩展性需求。HubStor技术与Veritas产品组的融合将为客户提供一套SaaS备份解决方案,帮助他们:
• 定制更细化的产品配置-甚至可以细化到单个项目
• 终端用户可以通过简化的自服务门户来实现数据恢复
• 在遵循数据主权要求的情况下,访问全球数据中心位置
• 通过仪表盘和报告了解他们的备份环境。
HubStor的技术借助了Microsoft Azure的强大功能,使客户能够访问全球范围内所有Azure平台以满足数据主权和复制需求,不仅能够选择其他Azure服务,也可以选择使用自己的Azure订阅。
微软全球企业商业化和战略副总裁Chris Barry表示:“微软和Veritas长期以来一直保持合作,帮助客户管理和保护云中最重要的数据。通过对HubStor的收购,HubStor与Veritas实现融合,充分利用基于Azure平台的SaaS解决方案,借助Azure的规模、灵活性和可靠性,为全球客户提供备份即服务解决方案。”
IDC集团副总裁、总经理兼研究员Michelle Bailey表示:“世界各地的企业都开始采用多云战略,同时更加依赖基于SaaS的服务。企业逐渐意识到,虽然混合云架构可以带来巨大的好处,但是在缺乏适当的保护情况下,它们也可能带来极大的复杂性和风险。我们逐渐看到勒索软件攻击和合规违规所带来的后果,当这些持续变化的云环境中缺乏数据保护、数据可用性及数据分析时,那些漏洞便会趁虚而入。因此,一个能够跨数据区的统一标准化架构对于简化操作和降低总体业务风险就显得至关重要。”
更多发布内容,敬请关注即将于3月24日至26日召开的 Veritas年度论坛。
关于 Veritas
Veritas Technologies 是全球数据保护及数据管理领域的领导者。超过八万家企业级客户, 包括 87% 的全球财富 500 强企业,均依靠Veritas化解 IT 复杂度并简化数据管理流程。Veritas多云数据服务平台可提供自动化的数据保护,无论何处都能协调数据冗灾恢复,确保关键业务数据及应用的7x24实时稳定运行,同时也为企业提供数据洞察,实现数据合规。Veritas在可靠性、扩展性以及灵活按需部署方面拥有很好的声誉,支持超过800种数据源,100 多种操作系统, 1400多种存储设备以及60类云平台。欲了解更多详细信息,请访问 www.veritas.com或关注 Veritas 官方微信平台:VERITAS_CHINA(VERITAS中文社区)。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。