文/ Veritas公司大中华区总裁 滕文
又到“金三银四”人才流动旺季。聚焦IT行业的人力资源专家纷纷指出,2023年,市场尤其关注具备云、人工智能/数据科学、网络安全专业知识的IT人员,企业用人需求旺盛,相关人才价值潜力巨大。

如今,越来越多企业开始使用云开发应用程序,提供数据服务,支撑业务运营,云架构安全、数据保护和隐私以及合规等方向的专业技能日益成为“刚需”。为此,企业不仅会广纳贤才,分解任务角色并实现高效协同,还将更加关注整个组织范围内员工的学习和发展,持续扩展最佳实践。
其中,“头号”优先事项无它——防勒索韧性与数据保护管理不仅是关键时刻可以兜底的“金钟罩”,更是企业行稳致远的基石。
全局视野方能胸有成竹
俗话说,常在河边走哪有不湿鞋。企业数字化转型一直在路上,越玩越野,若真遇上大坑,如何安全脱困?如果说顶级越野工具有“三把锁”帮助脱困,企业IT也应具备挣脱网络安全威胁泥淖的全局视野:可恢复和韧性(中央差速锁)、SaaS和云工作负载(后桥差速锁)以及数据治理与合规(前桥差速锁)。
纲举目张,伴随企业IT基础和应用不断向混合多云环境倾斜,全面、统一的云数据管理平台呼之欲出。究其本源,平台应具备企业级基础,帮助用户重新掌控逐渐失序的云成本,屏蔽复杂性。同时,平台应确保数据和应用可以“游刃有余”于多云之间,具备强大网络韧性。
逐一细分拆解,数据保护管理领域的IT专业人员尤其应重点关注以下方向的“能力建设”:
· 将数据保护拓展至云级规模,支持混合多云和异构环境。自动化、人工智能和弹性架构“三合一”,实现安全、自主且经济高效的云数据保护。同时,支持通过单一管理平台保护和控制任意环境中的数据,包括本地、云、混合多云等。
· 为云上数据和应用打造企业级的可用性,实现跨云的数据和应用移植(支持IaaS和PaaS层),并优化存储消耗,有效降低成本,提升性能。而关于与日俱增的SaaS工作负载,甘愿满足于“最低限度”的数据保护是短视行为,企业IT需要获得全面的覆盖,灵活的恢复选项、高性能、自动化和可扩展性都非常重要。
· 在数据治理与合规方面,企业需要有能力从所有通信平台捕获数据,并自动执行数据分类,从而降低运营复杂性,轻松捕获所有内容并按需、随处归档,发现重要内容,高效识别和补救潜在信息风险。
关于上述三大核心方向的服务获得方式,企业需要因地制宜,有能力灵活选择部署模式和交付选项。放眼数据保护管理业界,自托管、代托管和即服务(As-a-Service)配齐已是大势所趋。比如,将业界领先的数据保护方案推向云端,持续创新,无缝适配企业多样化的IT应用环境。
他山之石,可以攻玉
“想当然”是失败之母,错误的“想当然”会导致事与愿违。以蓬勃发展的SaaS工作负载为例,切勿“想当然”地认为SaaS供应商会提供数据保护管理保障。实际上,一旦SaaS成为工作流的一部分,关键任务数据就会存储在SaaS应用程序中,而保护数据的责任需要企业自己承担。同样,仅仅防范数据丢失远远不足够,企业还需有效防范未经授权的数据访问,最小化潜在风险敞口。此外,无论数据存储于何处,合规都是一项重大挑战。尤其对跨国企业而言,遵守数据主权条例是复杂的,但也是必需的。谨记:SaaS应用程序本身不具备任何合规保障,既没有防篡改功能,也无法控制数据保留时间。鉴于此,企业IT必须从大局出发,确保数据完整可用,实现精准高效的全生命周期数据管理。
在“统一多云管理”这个话题上,企业IT则面临“如何跨多云妥善管理资源”、“如何保护各个云中的数据”,以及“如何优化性能并降低云成本”三大挑战。有调研显示,在云投入超过200万美元的企业中,高达77%表示对支出感到震惊。复杂的多云环境可能涵盖企业自建数据中心的传统架构、私有云平台、公有云平台以及多种公有云平台,或者混合云平台,一个统一的数据管理平台可以提供一致的业务连续性、数据保护和数据洞察,将IT团队的任务管理时间减少50%以上。
回到“通过单一平台保护全部数据”这个核心上,平台应具备以下关键能力,构建最佳状态,包括:独立于云平台的粒度恢复,跨混合基础架构的、充分的数据移动性,强大、高效的数据精简功能,全面覆盖边缘、核心和云环境,弹性扩展等。具体到应用场景,涵盖云上备份——保护云上关键业务数据、基于策略的虚拟镜像管理、长期归档和迁移;备份到云——异地数据容灾、升级遗留磁带设备、归档长期备份数据;跨云备份——实现跨本地数据中心、公有云及企业各分支机构的统一数据保护,以及集“云上备份+备份下云+容灾到云”于一体的混合用例——所有数据在不同位置均有两份副本,通过高级别的数据保护方案支持全球业务扩展。
近些年,还有越来越多的大型企业为全球员工扩展了远程办公模式,比如“标配”Slack和Microsoft Teams。问题随之而来:内部审查和电子发现如何捕获这些新内容?“你无法战胜你看不见的东西”,只有当捕获、归档、电子发现、监控和洞察充分集成时,企业数据治理与合规方能真正意义上“有章可循”,有效协同业务需求。试想这样的场景:精准发现数十万过期、重复的PST文件,通过归档工具将其标记为“过期使用”,成功回收超10%的存储空间。而类似应用场景的排列组合将通过平台能力充分释放。
以上种种以及企业一线实践检验的经验总结,不一而足,分享给IT管理者们参考。混合多云当道,企业数据保护管理不仅是“弄潮儿”,更应是数字化转型的“领路人”。
更多前沿实践和精彩洞察,4月13-14日,“2023 Veritas Solution Day”将为各位悉数奉上,Veritas期待与你一探究竟。更多会议详情,请关注Veritas中国官方网站。
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。
Veritas中国官方网站 https://www.veritas.com/zh/cn/
Veritas官方微信平台:VERITAS_CHINA(VERITAS中文社区)
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。