北京,2022年6月22日:Veeam®Software(卫盟软件),提供现代数据保护的备份、恢复和数据管理解决方案的领导者,今天宣布Zenseact正在使用Veeam® Availability Suite™和Kasten K10 by Veeam提供可靠的数据备份、保护和灾难恢复解决方案,并简化其容器化开发流程,让他们在快节奏的创新行业中获得竞争优势。
Zenseact总部位于瑞典,拥有一支来自超过55个国家的员工队伍,开发开创性的汽车软件,最终目标是开发能让客户感到安全和放松的自动驾驶软件。源于沃尔沃汽车和Zenuity的Zenseact,秉持安全第一的理念,走在自动驾驶汽车软件市场的最前沿。
为了保持市场领先地位,Zenseact在数据密集型IT的推动下保持着快速的创新步伐。 Zenseact 必须要能在发生灾难时快速有效地恢复数据,这就使备份过程对于保证公司运营不中断或操作不延迟变得至关重要。Zenseact使用Veeam Availability Suite 作为其备份、恢复和监控解决方案,以保护其 IT 环境中约400台承担着关键任务的虚拟机(VMs)。
“我们之所以选择Veeam Availability Suite,是因为它具有丰富的功能集、灵活性和可扩展性。该解决方案与我们强调的敏捷思维和最佳实践非常契合,”Zenseact 敏捷专家和服务负责人Johan Jansson表示,“Veeam 使我们能够快速为我们的客户提供新功能,因为我们知道我们总是可以快速且轻松地恢复我们的系统。”
公司开始将工作负载从虚拟机转移到容器,以减少开销并为开发和创新腾出时间和资源。Zenseact 为容器化工作负载评估了五种不同的数据保护解决方案,最终选择了 Kasten K10——一个针对Kubernetes数据和应用程序的云原生备份和恢复解决方案——它为开发人员提供了选择的自由和安全性,以便他们可以发挥最大的潜力,同时降低数据丢失风险。
“根据《2022 Veeam数据保护趋势报告》,56%的组织正在目前的生产中运用容器,或计划在未来12个月内运用容器,”Veeam首席技术官Danny Allan表示,“在快速转型业务和将工作负载从虚拟机转向容器方面,Zenseact是行业领导者。作为Veeam的长期用户,为确保数据在整个IT环境中得到端到端的保护,添加专为Kubernetes打造的Kasten by Veeam K10,是Zenseact容器化工作负载的理想数据保护解决方案,并确保Zenseact的环境得到充分保护。”
“Kasten K10和Veeam Availability Suite一起支持我们向容器化工作负载的战略转型,”Jansson说道,“我们致力于长期使用这些解决方案,并相信它们将与我们一起发展。我们已经看到了这对我们即将推出的功能的积极影响。”
Zenseact团队在使用 Kasten K10时,迅速地熟悉了界面并为容器设置了备份策略自动化,以降低数据丢失事件和产品开发过程延迟的风险。 如今,该公司的 500 名开发人员可以在建立新项目时自动备份,并可在以后轻松进行更改,这在保持管理简单的同时为开发人员提供了灵活性。
通过结合Kasten K10和Veeam Availability Suite,Zenseact避免了IT团队在备份方面的瓶颈。借助Veeam和Kasten K10技术,Zenseact的开发人员和IT专家每月可以在备份管理上节省150个小时,使他们能够更高效地工作。
“Kasten并入Veeam对我们来讲是一个巨大的优势,"Jansson表示,“随着我们努力实现安全、无障碍的自动驾驶汽车的目标时,我们使用Veeam和Kasten技术来为我们的开发人员保驾护航,让他们始终拥有创新所需的数据。"
好文章,需要你的鼓励
无人机食品配送服务商Flytrex与全球知名披萨连锁品牌Little Caesars宣布合作,推出全新Sky2无人机,最大载重达4公斤,可一次配送两个大披萨及饮料,满足全家用餐需求。Sky2支持最远6.4公里的配送范围,平均从起飞到送达仅需4.5分钟。首个试点门店已在德克萨斯州怀利市上线,并实现与Little Caesars订单系统的直接集成。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
法国社会住房项目ViliaSprint?已正式完工,成为欧洲最大的3D打印多户住宅建筑,共12套公寓,建筑面积800平方米。项目由PERI 3D Construction使用COBOD BOD2打印机完成,整体工期较传统建造缩短3个月,实际打印仅用34天(原计划50天),现场操作人员从6人减至3人,建筑废料率从10%降至5%。建筑采用可打印混凝土,集成光伏板及热泵系统,能源自给率约达60%。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。