Veeam今天发布了《Veeam 2023年云保护趋势报告》的调查结果,涵盖了四个关键的“服务”场景:基础设施即服务(IaaS)、平台即服务(PaaS)、软件即服务(SaaS),以及备份和灾难恢复即服务(BaaS/DRaaS)。调查发现,企业逐渐越来越意识到需要保护他们的SaaS环境。例如,近90%的Microsoft® 365的受访客户使用补充措施,而不是仅仅依靠内置的恢复功能。当发生网络和勒索软件攻击时,为快速恢复提前做好准备是使用备份的主要原因,合规监管则是第二大业务驱动因素。
Veeam首席技术官及产品战略高级副总裁Danny Allan表示:“随着向远程办公模式和当下的混合工作环境的大规模转变,云驱动工具和服务的采用越来越多,这使得各行业的混合IT和数据保护策略成为关注的焦点。随着网络安全威胁的不断增加,企业必须超越传统的备份服务,有目的地建立一个有最适合其业务需求和云策略的方法。此次的调研显示,工作负载继续从数据中心向云端流动并再回到数据中心,以及从一个云端向另一个云端流动,这使得数据保护策略更加复杂。调研结果表明,虽然现代IT企业在云和数据保护方面取得了显著进步,但仍有许多工作要做。”
《Veeam 2023年云保护趋势报告》的发现包括:
软件即服务(SaaS):
基础设施即服务(laaS): 尽管各种规模的组织现在都采用混合云架构,但这并不是通往云的单行道,这降低了现代数据中心的重要性。
平台即服务(PaaS):当大多数组织初步将服务器从数据中心“提升并转移”到基础设施即服务(laaS)时,大多数企业都认为,作为原生云服务运行基础的IT场景,如文件共享或数据库,是成熟的IT工作负载的未来:
备份和灾难恢复即服务(BaaS/DRaaS):几乎每一个IaaS/SaaS环境也以某种形式运用云服务作为其数据保护策略的一部分。
今年的报告与去年相比发生了重大转变,因为客户越来越有兴趣将备份外包,并获得“交钥匙”或“白手套”级别的管理服务,而不是由内部IT人员继续管理BaasS交付的基础设施。这一转变表明了对提供商的经验和信任正在增加,也可以表明过去一年IT人才供应链面临的挑战。
《Veeam 2023年云保护趋势报告》源自年度《Veeam数据保护趋势报告》,是第三方调研机构对来自7个国家(美国、英国、法国、德国、日本、澳大利亚、新西兰)的1700名客观的IT领袖进行调研的结果,关注于他们在生产和保护场景中使用云服务的情况,以便在当今云优先的数字环境中对整个现代IT企业的混合策略轨迹提供最大的单个视图。这项广泛的市场研究,是为了解与运营和保护云托管工作负载相关的责任和方法的不同观点,以及使用云驱动的数据保护时的考虑因素。
下载《Veeam 2023年云保护趋势报告》(Veeam Cloud Protection Trends Report 2023)了解更多详情: https://vee.am/CPT23 。想了解更多的信息,请访问http://www.veeam.com/cn/ .
关于本报告
Veeam®于2022年秋季委托一家独立调研机构进行了这项调查。该报告调查了1700名客观的IT领袖,关注于他们在生产和保护场景中使用云服务的情况,询问了每个场景的代表性人物,以便收集人物视角之间的差异,以及策略驱动和备份方法。
这是一项广泛的市场研究,研究对象是在云中运行至少一个生产工作负载(IaaS、PaaS或SaaS)的客观组织。这项调查是代表Veeam进行的,目的是了解与运营和保护云托管工作负载相关的各个角色的观点、职责和方法,以及使用云驱动的数据保护时的考虑因素。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。