当下的数据世界正经历着什么?它又将如何影响着今年的科技市场?人工智能、物联网、深度学习等新技术的不断更新迭代,使得数据呈现出爆炸趋势。另外,今年GDPR的正式实施,同样让各行业用户、数据管理厂商等各机构对数据管理再次重视起来。
无可否认,数据爆炸式增长带来对数据保护的迫切需求,各种新技术例如Web工作负载和移动应用环境的变化,都在重新定义客户的工作方式。"Veritas二十多年来专注于跨平台数据保护领域,随着客户环境的不断演进,Veritas也将核心的价值定位在于两个层面:一是将核心放至跨平台;第二是关注于数据本身和数据保护。Veritas公司大中华区总裁杨晨在发布会上表示。
作为一家数据管理公司,Veritas自上半年推出NetBackup 8.1.1版本后,基于行业市场需求,近日再次宣布推出Veritas NetBackup 8.1.2全新版本。据杨晨介绍,该版本从根本上改善用户界面,更加注重用户体验,进一步简化企业员工数据保护和现代化工作负载的方式措施。
全新Veritas NetBackup 8.1.2采用了业内领先的数据保护技术,无论是在本地环境或是多云环境,NetBackup直观的用户界面都能让员工轻松的保护和监测所拥有的数据。Veritas公司大中华区技术销售与服务事业部总监顾海巍在发布会上重点介绍了此次新版本的用户体验及功能上的改进。
在用户体验层面,据了解,NetBackup 8.1.2的呈现方式和导航方式是采用当下最流行的win10扁平化窗口设计,设计感与现代感倍增。通过窗口化设计在界面上将不同角色所关注的不同深度、不同层面的信息,如数据使用状况、工作完成状况、事件状况及许可使用状况等通过不同窗口整合在一个界面上,非常直观的呈现出来。另外,扁平化设计除了信息整合、信息组织之外,用户的使用感觉像是在使用导航,进入系统后会有更详细的数据展现。
在功能层面,NetBackup8.1.2主要在五个方面进行了改进;
一、 现代化工作负载:支持各种大数据平台、开源平台、列式/行式数据库;
二、 现代化用户体验:开放API,实现基于工作负载的端到端用户体验的极度简单化;
三、 现代化快照管理:在多云环境下,整个数据的备份性能和恢复性能是传统方式无法满足的。新版本发布实现独立性和快速部署,独立于硬件平台;
四、 自动化和集成化:需要运维平台进行结合;
五、 面向VMware环境的现代化保护:40%-50%的负载是在VMware上。针对VMware私有云的保护,做了很多改进。在技术上给客户提供整体价值,主要为客户提供化繁为简、智能体验的使用感受。
"在如今的多云环境下,确实给用户带了诸多益处,同时也带来了挑战。信息孤岛就是其中一项。而数据孤岛又造成了很多数据操作上的孤岛,对这些数据做不同操作时每朵云也是不一致的,企业需要一个统一的数据保护平台。而NetBackup8.1.2针对需求,专门为多云环境做数据保护的平台。顾海巍表示。他认为企业必须要有数据文化,这样才有利于企业未来的业务的发展。
对于未来规划,Veritas在今年将开始开展新的解决方案设计战略,除了数据保护,还将有业务连续性解决方案、业务合规性觖决方案等等,所有的产品、解决方案都将以用户体验设计为战略。顾海巍强调称,目前,Veritas在全球有一支独立的用户体验设计团队,基于成千上万个客户的反馈设计出众多实验性的方案及产品,在操作性、实用性、简单、易用性等方面将更加注重。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。