BMC Software 的 AMI Cloud Data 平台推出全新的 Cloud Data Sets 功能,通过提供直接访问云对象存储的能力,"革新"了大型机数据管理方式,无需修改现有的 JCL 或应用程序。
该供应商表示,这项升级"赋能"IT 运维团队完全用云端解决方案替代传统磁带存储,"简化"运营并"最小化"业务中断。BMC 于 2024 年 4 月收购了 Model9,并将其软件更名为 AMI Cloud。
BMC 认为,在未来五年内,大多数组织将"逐步淘汰"二级磁带存储和传统磁带软件。他们表示,大型机数据存储的未来在于基于云的对象存储,与传统虚拟磁带库 (VTL) 解决方案相比,云存储"最高可节省 12 倍成本",同时无需投入昂贵的磁带硬件。
南非的 Nedbank 正在拥抱这一演进。在 BMC 的协助下,该公司已经改造了其数据管理方式。切换到云端解决方案后,原本需要 48 小时的备份时间缩短至 36 分钟。这一转变还使 Nedbank 得以精简灾难恢复和备份流程,在降低复杂性的同时提升了安全性和数据可用性。
BMC 表示:"这一演进使 IT 运维团队无需改变运营方式即可将磁带备份重定向到云端,消除了大型机环境中采用云技术的主要障碍。"通过 Cloud Data Sets,AMI Cloud Data 支持所有主要备份工具,包括 EXCP。Nedbank 企业存储和备份 IT 经理 Ashwin Naidu 说:"我们的备份性能获得了巨大提升。例如,原本需要整个周末 48 小时才能完成的备份,在采用云端解决方案后仅需 36 分钟。"
除了显著缩短备份和恢复时间外,新版 AMI Cloud Data 还针对 CPU 消耗进行了优化。
为了提供这些服务,BMC 表示正在将其软件专业知识与包括 Hitachi、Mainline、Dell 和 AWS 在内的合作伙伴的数据基础设施相结合。
好文章,需要你的鼓励
美国国家标准与技术研究院发布人工智能网络安全框架配置文件草案,旨在帮助组织安全使用AI系统。该文件围绕"安全"、"防御"和"阻止"三个重点领域,详细说明如何管理不同AI系统的网络安全挑战、利用AI增强网络防御能力以及阻止AI驱动的网络攻击。文件将网络安全框架的各个组件映射到具体建议上,覆盖入侵检测到供应链安全等各个方面。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
联想此次推出的推理加速引擎(Inference Acceleration Engine),是联想携手清华大学无问芯穹团队联合打造的本地AI加速解决方案。这款引擎将预装在联想年底发布的新一代AI PC产品线中,目标是让端侧推理性能直接看齐云端大模型水平。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。