北京 – 2023年3月29日 – 近日,多云数据管理领域的领导者Veritas Technologies发布最新的《消费者对企业数据可持续性看法报告》表明,超过三分之二的中国消费者(68.3%)认为,当不再需要信息时,在线存储信息的组织则有责任将其删除。如果企业不减少与数据相关的污染,他们还准备不再购买:超过三分之二(67.7%)的中国受访者表示,如果他们知道某家公司因未能控制其存储的不必要或不需要的数据而故意造成环境破坏,他们将停止从该公司购买产品。
该研究对全球13000名消费者进行了调查,其中63%的中国受访者表示,全球2%的能源相关污染排放是由数据中心造成的,这令他们感到担忧。作为回应,超过四分之三(77.8%)的中国受访者表示,他们希望看到企业更加关注控制在线数据存储对环境的负面影响。这可能包括企业鼓励其客户关闭未使用或不活跃的账户,并指导他们删除不再需要的过时信息。
Veritas首席可持续发展官Rags Srinivasan表示:“除了存储数据的成本之外,对环境影响的隐性成本应该是每个企业应该关注的首要问题。数据中心每天24小时运行,到2030年,预计将使用地球上所有电力的8%。我们很容易忽视数据中心很多是由化石燃料驱动的,其产生的二氧化碳量与航空业相差无几。”
该研究还发现,65%的中国消费者担心在线数据存储会浪费能源,并造成环境污染。根据此前Veritas《企业IT安全脆弱性报告》,IT决策者反馈了其企业内ROT、黑暗和关键业务数据的百分比,企业存储的数据中约有一半是冗余、过时或琐碎的(ROT),另外35%是价值不明的“暗”数据。
Srinivasan补充道:“即使企业将存储外包给公有云供应商,也不应低估不良数据管理实践对环境的影响。许多消费者热衷于减少碳足迹,但很多企业和组织仍在通过存储他们不需要的数据而不是他们认为有用的数据来造成更多污染——平均而言,这里面只有15%的数据对业务至关重要。有超过三分之二的消费者表示他们将不再在那些未能应对挑战的公司购买产品,如果不识别并消除不需要的数据,企业和环境面临的风险将无法估量,这一点不容忽视。”
关于调研
该研究由Veritas Technology 委托3Gem于2023年2月1日至16日完成。其数据来源于对澳大利亚、巴西、中国、法国、德国、新加坡、韩国、阿联酋、英国、美国和日本的13000名消费者。
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)
Veritas以及Veritas标识是 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。
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。