“多云”已成常态,这已成为当下大多数企业的共识。据Veritas调研显示,有约三分之二的中国企业正采用超过5种云服务,而约85%中国企业的数据和应用均同时存储在私有云/本地部署和公有云中。然而,围绕“云”产生的安全性、稳定性以及成本方面的挑战,始终是企业需要跨越的鸿沟。想要驭数凌云,企业就得从一开始扫除对于云的这几个误区:
1.数据在云端十分安全,企业可以高枕无忧
有太多的企业认为其云服务供应商负责保护他们云中的数据。Veritas《确保企业在多云环境下的安全》调研报告显示,几乎99%的企业都认为公有云服务供应商会负责保护他们云中的部分资产。早前Veritas研究还发现,员工在使用微软Office 365等云应用时,由于太害怕或不好意思报告数据丢失或勒索软件问题,导致公司丢失客户订单、财务数据等关键数据。其中,超过74%的中国员工曾意外删除过云端托管的文件,如商业文件、演示文稿或电子表格(此数据远高于全球平均值56%)。对于托管文件的云公司在数据丢失时能提供多少帮助,员工并没有清晰的认知:几乎所有的中国受访员工(98%)都认为云服务提供商能够恢复文件,无论是云副本、“已删除项目”文件夹还是备份。
认为在云供应商的保护下,哪怕是无意中引入恶意软件,数据也不会受到影响,这是一个完全不正确的假设。如果不更正这种想法,企业将一直置身于风险当中。因为,被不少企业忽略的是,在标准服务中大多数云服务供应商只在正常运行时间为他们的服务提供保障,而并不会保护客户云中的数据。一些供应商会在合同条款中明确声明,数据由用户自行保护。所以,将企业数据储存在云端并不代表企业可以高枕无忧,其数据依然需要强大的保护措施。
2.一个云端走天下
云服务供应商表示,将云端工作负载整合到尽可能少的供应商对企业有益。整合可以改善成本管理,降低复杂性,填补安全漏洞。当然,企业也需要支付更多费用给供应商。
然而企业常忽略多云策略的优点,诸如敏捷性、可拓展性和大容量等。正如常言道:别把全部鸡蛋放在一个篮子里。多云策略在解决大型及全球企业在适应各地区数据隐私法时,更是功不可没。
这就是为什么当今企业的基础设施包含越来越多的本地部署资源,以及由多家公有云服务供应商提供的的托管服务。在最近的云安全联盟(CSA)调查中,有62%的受访者表示已经开始使用多云策略,此外有84%的受访者计划于2024年前落实多云策略。
不过,不可忽视的一点是,多云策略可能会为数据管理和保护带来新的挑战,例如潜在成本增加,复杂性提高,或是在遭受勒索软件攻击时更脆弱等。最好的办法就是去其糟粕,取其精华:一个无论在任何环境下都能管理和保护数据的多云平台。
3.云更容易管理
有太多的公司认为只要上云就可以“一劳永逸”,实则不然,他们只是买了一个基础设施。基于公有云的基础设施确实更好管理,因为服务器并不属于企业,但里面的应用和数据却是属于企业的。(参考误区1)
在一个云环境中管理一个应用及其数据是很简单,但用不同的管理工具在多个云环境中同时管理几十个应用程序(参考误区2)就很复杂了。没有严密的规划和恰当的工具,使用云基础设施对公司来说就是弊大于利了。
同理,云端也会使数字合规更复杂。很多办公人员会使用像Zoom和Microsoft Teams这样基于云端的协作软件,共享公司的敏感数据和关键业务数据。这还不包括最近急剧增加的远程医疗和教育服务,这同样也是基于云端的应用。
如今通过云应用程序共享的潜在敏感信息更是前所未有的多。虽然这提高了效率,但同时也增加了风险以及数字合规的复杂性,除非企业有能力管理日新月异且与日俱增的数据集。
希望企业能够充分认识到云中应如何管理和保护好数据,真正做到物尽其用。
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现正在实践其数据自治战略,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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。