北京 – 2022年7月21日 – 7月20日,多云数据管理领域的领导者Veritas Technologies和上海臻格生物技术有限公司(以下简称“臻格生物”)签署战略合作备忘录,就遵循全球规范的计算机系统验证体系和数据完整性保护领域内展开合作。根据协议,Veritas将帮助臻格生物构筑更加可靠及高效的数据完整性保护体系,在中国及全球范围内构建统一的服务框架,从而实现更高质量交付。臻格生物将视Veritas公司作为数据完整性保护领域的首选合作伙伴,优先采用Veritas公司的先进技术和解决方案。
Veritas与臻格生物签署战略合作备忘录
Veritas公司大中华区总裁滕文(左)
臻格生物董事长兼首席执行官陈建新(右)
臻格生物自2017年成立以来,即以行业领先的大规模动物细胞培养技术闻名大分子医药领域。在此其中,符合药品生产质量管理规范(GMP)的数据管理要求,并通过遵循全球规范的计算机系统验证(CSV),同时满足技术和合规上的需求对于企业来说至关重要。因此,臻格生物亟需一套从数据的生命周期角度为企业提供数据备份、数据归档及数据丢弃的服务,帮助企业提升数据价值,降低数据保管风险。
为此,Veritas为臻格生物提供了完整的数据管理咨询服务,依托Veritas完整的工具和方法论(十多项CSV验证流程,九大CSV验证责任矩阵、二十多项CSV交付清单),帮助其实现满足GMP认证的企业级数据保护平台的规划和完整的CSV验证咨询服务,以确保GMP数据备份的合规性。借助Veritas的整体解决方案,臻格生物不仅实现了信息技术和质量控制融合,同时满足技术和合规需求,以期确保所有GMP的相关数据得到妥善保护,并大大提升了系统防御勒索的能力,简化了运维,满足了异地和长期数据保留的合规性要求;同时针对不同业务价值、风险等级的数据采用相应的保护措施,提供日常监控机制,持续提升用户数据保护效率。
Veritas公司大中华区总裁滕文表示:“在数字经济快速发展的今天,数据之于企业的价值就等同于资产。我们很高兴与臻格生物合作,通过建立完整的数据保护体系为其业务连续性保驾护航。希望未来通过双方联手,能够为本地的生物制药行业打造更多经典成功案例。”
臻格生物董事长兼首席执行官陈建新表示:“Veritas的整体解决方案帮助我们用更低的成本和更短的时间获得GMP认证,不仅保护了臻格每一份数据,更保护了我们服务的每一个客户的数据安全,同时极大简化IT团队运维难度,释放更多资源聚焦业务赋能,加快助力臻格在中国蓬勃发展的生物技术行业中崭露头角,这更让我们确信Veritas是保障我们业务连续性和数字化转型成功的坚实伙伴。”
Veritas致力于帮助客户化解 IT 复杂度并简化数据管理流程,在为客户提供更大价值的同时降低运营成本。此次Veritas与臻格生物联手,以先进的数据管理解决方案赋能其数据保护体系,在生物医药行业内具有典型示范作用,也为今后国内生物医药企业构建统一的数据服务框架树立行业标杆。
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95%的全球财富100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。欲了解更多详细信息,请访问Veritas中国官方网站或关注Veritas官方微信平台:VERITAS_CHINA(VERITAS中文社区)。
Veritas,Veritas标识、 以及NetBackup是Veritas Technologies LLC或其附属机构在美国和其他国家/地区的商标或注册商标。
关于臻格生物
上海臻格生物技术有限公司(以下简称“臻格生物”)成立于2017年,是一家注册于中国(上海)自由贸易试验区临港新片区的国家级高新技术企业。臻格生物的核心业务为大分子生物药物CDMO服务、哺乳动物细胞培养基开发及生产等,包括:大分子药物成药性分析、大分子药物的CMC临床申报总包、细胞株开发、工艺开发与优化、中试生产、临床样品生产和商业化CMO服务、工艺表征与验证研究、药物分析服务、细胞培养基配方开发和商业化生产等。臻格生物将通过从临床前研究到商业化生产的一体化CDMO服务和国产化定制细胞培养基产品,助推和加速国内外药企的大分子生物药物的研发和产业化进程。
欲了解更多详细信息,请访问www.zgbiotech.com 或关注臻格生物官方微信平台ZHENGE_BIOTECH。
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。