近期,Veritas产品的重要更新——NetBackup 10的推出,让市场把目光聚焦在如何帮助企业在云上实现高效经济的数据管理这一话题上。不可否认,企业要想落实可持续的云战略,数据保护和管理终究是绕不开的话题。这次Veritas推出的NetBackup 10正是构建在云级技术之上,为业界提供了首个云优化、规模化的数据管理解决方案。
回顾Veritas的产品迭代历程,每一步几乎都是伴随客户在云时代中的成长史。从NetBackup 8.3到最新的NetBackup 10,每一次创新的技术迭代都是基于客户需求,同时也折射出多云时代下的层层挑战。
从Veritas产品迭代看多云挑战
根据《Veritas企业IT安全脆弱性报告》,由于疫情的影响,87%的中国受访者采用了新的云功能或扩展了云基础设施,这一数据高于全球平均比例(80%);同时,64%的中国受访者表示,他们的云保护策略跟不上企业数字化转型需求,这和别的领域相比差距最大,这也高于全球平均比例(56%)。由此可见,中国企业对新型云功能、云基础设施以及云保护策略的需求度更高,但也挑战重重。
早先,客户希望通过云消除原先的经典技术架构、IOE架构、传统物理技术架构的瓶颈及管理问题,但是云部署本身又带来了新的复杂性及IT脆弱性。在此背景下,Veritas推出了第一个为云设计的版本——NetBackup 8.3,通过其向客户提供了API接口,帮助客户实现单域数据管理和多域数据管理的运维自动化,大大降低了运维复杂性。
随着云时代下业务的快速发展,越来越多的客户也面临着IT基础架构跟不上业务需求的困境,所以,性能和容量都亟需扩展成为了企业在数据管理方面的主要诉求。此时Veritas推出了NetBackup 9 系列,新增了Flex Scale功能,帮助客户在性能和容量两方面同时实现高度扩展性,进一步简化运营;同时还实现了云计算资源的自动扩展、以及针对Kubernetes和云环境的勒索软件保护,帮助客户在多云环境中有效控制运维成本,并增强业务韧性。
而在NetBackup 10问世之前,Veritas关注到客户不仅需要解决上述难题,还会面对诸如SaaS数据保护、云上数据洞察等问题,这些就不仅仅涉及扩展性,还有弹性伸缩、云资源过度调配、云资源非必要消耗等问题。所以,企业需要考虑的是如何实现自动配置和动态按需分配,如何保证业务连续性,如何实现安全性和业务韧性共存等等,而这些也正是NetBackup 10要解决的问题。
NetBackup 10 :引领Veritas创新之路
在今年的Veritas全球大会Conquer Every Cloud上,为客户云基础设施量身打造的现代云级技术全新亮相,云级技术实现了容器化、可编程和人工智能驱动的微服务架构,可跨任何云提供自治统一的数据管理服务。通过新推出的NetBackup 10,云级技术的优势首次得以体现。
在NetBackup 10面世之前,市场上并没有一款专门为多云环境下数据自治打造的产品或解决方案。为了解决客户在多云环境下的“4C”难题,即成本(Cost)、网络威胁(Cyberthreats)、云(Cloud)、合规(Compliance),NetBackup 10在云优化、运维自动化、网络业务韧性方面都实现了突破。
在云优化方面,NetBackup 10帮助客户在多云环境中实现自主数据保护,包括数据上云、数据在云间的迁移、云的托管、COVID-19环境数据保护,以及云原生的SaaS数据保护等等。
在自动化运维方面,NetBackup 10集成了NetBackup SaaS Protection和NetBackup IT Analytics免费基础版本,这意味着把数据洞察平台和SaaS端的保护都纳入进来,加强了多云环境下的数据洞察,打通了客户的运维生命周期。同时,还针对特定的工作负载提供新的自动监测和保护,包括Apache Cassandra、所有主要Kubernetes发行版以及Microsoft Azure SQL托管和Azure SQL。
在增强网络业务韧性方面,NetBackup 10通过集成恶意软件扫描功能,确保客户可以进行感知干净的数据副本恢复,避免客户在恢复数据时把恶意代码重新恢复到生产环境中去,这一创新点也是基于客户在多云环境中的需求。
由此,Veritas通过创新的NetBackup 10帮助企业客户更好的赋能云:通过自动化数据管理工作流程,可以解决企业在处理需要管理的工作负载和海量繁杂数据时所面临的挑战。展望未来,Veritas技术将能够自动精简、优化和修复数据管理服务,同时让终端用户实现自治的数据保护和恢复,从而让IT人员有更多精力专注于战略和转型工作。
关于Veritas
Veritas Technologies是多云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确保其数据的保护、可恢复性和合规性。Veritas在规模化的可靠性方面享有盛誉,可为企业提供抵御勒索软件等网络攻击威胁所需的弹性。Veritas通过统一的平台,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。在云级技术的支持下,Veritas现正在实践其自治数据管理战略,在提供更大价值的同时,降低运营成本。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。