2024年4月12日,北京 – 日立集团(TSE: 6501)旗下专注数据存储、基础架构与混合云管理的子公司Hitachi Vantara宣布完成战略重组,此举旨在加速落实公司的发展计划,包括专注于发展混合云和生成式AI技术,以增强应对市场机遇的能力。新组织架构包括Hitachi Vantara与日立IT平台产品管理部的战略整合,后者一直负责日立集团数据基础架构解决方案的业务开发、研发和生产。
欲了解更多有关Hitachi Vantara数据存储、基础架构和混合云产品的信息,请访问:
https://www.hitachivantara.com/en-us/products/storage-platforms.html
重组后的Hitachi Vantara在制造业和混合云领域拥有丰富的基础架构和数据存储经验,同时公司将团结一致推动客户实现有意义的业务成果。凭借重组优势,并基于在跨关键任务环境管理数据方面长期积累的专业知识,Hitachi Vantara将能够更及时进行创新并不断适应市场需求的变化。
生成式AI等技术的出现使得数据处理需求爆炸式增长,许多公司都在努力追赶这一趋势变化。在此背景下,Hitachi Vantara的战略重组恰逢其时。Salesforce最近开展的一项针对IT领导者的调查显示,许多IT专业人士正在努力管理AI项目和处理由此产生的大量数据。调查显示,近九成 (88%) 的IT专业人士无法支持其所在企业收到的大量AI相关请求。此外,MuleSoft调查发现,75%以上的企业正在使用多种AI模型,90%的企业表示在将AI与其他系统集成方面面临挑战。
Hitachi Vantara首席执行官Sheila Rohra表示:“生成式AI的崛起和数据处理能力的爆炸式增长正在推动企业加速变革,许多企业都在这一浪潮下奋起直追。下一阶段的业务转型旨在帮助我们加快执行速度,扩大业务规模,以实时识别和利用市场机遇。此次战略整合有利于拓展我们开发、制造、销售和交付的能力,从而增强Hitachi Vantara的整体业务能力,更好地为客户提供他们在混合云环境中所需的AI驱动的数据性能、可靠性和弹性,助其实现业务增长并提升现实中的商业影响力。”
作为新组织架构的一部分,原日立IT平台产品管理部总裁Akinobu Shimada被任命为Hitachi Vantara董事长,以进一步加强Hitachi Vantara与日立集团之间的紧密联系。
Shimada表示:“我们在各组织之间建立了强有力的合作伙伴关系,这有助于形成良好的协同效应,使得Hitachi Vantara的组织架构更加正规化,从而促进研发和工程服务更贴近我们在全球的主要市场。鉴于如今Hitachi Vantara的业务注入了大量的行业专业知识和杰出的技术理解力,我相信,我们将以统一的数字基础架构和AI战略及执行计划为指引,为客户提供具有重要影响力的成果,并为自身业务的持续增长做好准备。”
Hitachi Vantara正在率先开发混合云存储,将内部部署与云计算环境无缝结合,以期在处理复杂业务所需的大规模、关键的数据时,实现安全性、高性能、高可靠性以及成本优势。例如,Hitachi Vantara最近宣布与NVIDIA合作,共同打造新一代变革性AI解决方案Hitachi iQ,在其AI解决方案堆栈上分层部署特定行业功能,从而使AI成果更为明确,与企业业务更具相关性。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。