数据保护和管理软件开发商Veeam本周宣布扩大了渠道合作伙伴计划,改进了合作伙伴通过销售Veeam技术赚取收入的方式,并改进了培训和证书。
Larissa Crandall表示,渠道合作伙伴计划的变化与Veeam渠道合作伙伴向企业传达的信息是一致的。Larissa Crandall去年刚刚加入Veeam,担任这家总部位于美国俄亥俄州哥伦布市的公司的全球渠道和联盟副总裁。
Crandall表示,Veeam将围绕盈利能力提供更可预测的计划,并提供一个全球框架和结构,其中包括了围绕交易注册和代理进行改进。
她说,Veeam扩大了培训和支持计划,以及提供新的能力和认证,以显示对网络弹性的重视。
“市场的演变以及合作伙伴生态系统中发生的所有变化需要我们采取新的方法和更新,”她说。
Crandall表示,首先,Veeam正在改善合作伙伴通过交易注册获得的前端利润。她表示,交易登记量正在增加,但拒绝透露具体数量。
“这是为了更具竞争力。我们正在投资前端,改变整个产品组合后端结构的一些内容。但今天的情况并非如此。”
Crandall表示,Veeam还在改变其代理计划,以便在合同需要续签时,原来的合作伙伴可以维持关系。
她说:“他们为我们带来了机会,当需要续约时,我们改善了代理情况。所以我们在前端和后端都提供了保护。坦率地说,这是不一致的。我们有三个不同的合作伙伴计划。现在我们有一个全球计划,但仍然关注地区差异。不过,我们添加了一个全球框架,以提供更严格、更好、更一致的框架。”
American Digital是一家位于美国伊利诺伊州埃尔克格罗夫村的解决方案提供商,该公司销售和服务副总裁Bob Panos表示,扩大现有规模和交易注册是Veeam的一项关键举措,该公司已经和Veeam合作了超过10年时间。
Panos表示:“获取客户需要时间和资源,Veeam现在让我们在建立关系后更容易留住客户,而不是让其他厂商趁机抢走他们。在保护现有客户方面,一些公司往往比其他公司做得更好,这并不常见,但这是一件很棒的事情。”
Crandall表示,Veeam渠道计划的另一个重大变化是围绕企业日益关注的网络弹性增加了新的技术和销售培训,包括帮助合作伙伴了解如何在和客户的讨论中融入有关Veeam安全的因素。
她说,该公司还将这些培训扩展到云和Kubernetes等技术。
“Veeam长期以来一直在打造令人难以置信的产品,合作伙伴问的是,‘我如何让Veeam参与有关安全的对话?我们知道你适合。你需要对我们进行更多的培训。你如何与超大规模企业保持一致?你如何将自己纳入备份即服务解决方案或Kubernetes中。’因此,所有这些都将进行更新,增加更多的用例和业务成果方法。”
Crandall表示,Veeam还在努力扩大到全球系统集成领域以及和MSP的合作。
“你会看到我们将继续推出更多的安全合作伙伴关系、超大规模合作伙伴关系和存储合作伙伴关系,然后真正地围绕GSI(全球系统集成商)方面进军企业领域。Veeam在全球拥有35000家合作伙伴,并且长期拥有忠实的合作伙伴。随着市场的变化,客户的购买方式也发生了变化,这让我们有机会花更多时间与GSI、MSP和不同合作伙伴进行交流。”
Crandall表示,Veeam非常关注企业,发布的Veeam Backup & Recovery v12让Veeam在安全性和规模方面带来了很多新的企业机会。
她表示,Veeam今年将继续扩大网络弹性能力,签署几项新的大型安全合作伙伴关系,类似在10月和Sophos签署的合作伙伴关系。
Panos表示,事实证明,Veeam是American Digital的优秀合作伙伴。
“Veeam一直希望通过教育我们的销售团队来和我们一起投资,我们与他们的高管团队有着紧密的合作伙伴关系,这是跨越整个组织的合作伙伴关系。”
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。