至顶网CIO与应用频道 03月25日 北京消息:2018年TeamViewer全球实现了25%的增长,近期其又在上海开中国办事处,通过本地团队布局这一重要市场,推动全球化战略。
其实TeamViewer进入中国已有10年,在中国有5000万客户,但当时是通过澳大利亚对中国客户进行服务。现在中国团队将更加专注构建中国市场,确保中国客户能够始终获得最好的服务和最有力的技术支援。
TeamViewer中国副总裁David Fung表示,我们把最领先的技术带到中国,通过TeamViewer你有多大的想象力,就能有多广的应用。
TeamViewer中国副总裁David Fung(中)、TeamViewer全球首席执行官Oliver Steil(右)
立足中国建立生态圈
2005年成立的TeamViewer以基于云的技术为核心,致力于在全球实现在线远程支持和协作。
TeamViewer在全球拥有超过18亿安装设备,每年超过3亿激活设备,超过60万的付费客户,服务200多个国家,每天新下载达40万,支持每天4000万用户的并发连接,中国达到800万,支持33种语言。
TeamViewer全球首席执行官Oliver Steil表示,远程连接已经不是锦上添花,而是必须拥有,未来任何产品都必须具备远程连接的能力,TeamViewer则通过最广泛的平台和技术将全球的、地点和事物连接起来。
TeamViewer的业务覆盖了远程支持、远程访问、移动端连接、远程连接、监控管理、物联网、增强现实。
而且基于云可以更加方便的服务客户,TeamViewer拥有独特的弹性云基础架构,实现动态扩充,通过智能算法决定最优、最低延迟的连接,同时使用多个安全认证。
从欧洲到美洲再到亚洲,TeamViewer将侧重不同领域的细分用户。在中国TeamViewer也同阿里云、中国联通、英迈、宝德等进行合作,根据客户实际情况采取不同的销售模式。
“在本地化上不仅仅是语言还有产品的本地化,还有怎样服务市场。”David Fung说,我们将以TeamViewer的技术为核心,与战略性合作伙伴一起提供本地化的解决方案,满足不同行业的需求,建立生态圈。
物联网将成为新型增长点
TeamViewer的价值在于能够在设备与设备、人与人之间架起协作的桥梁,不能简单将其视为一个远程桌面软件。David Fung多次提到,有多大的想象力,就能有多广的应用。因为TeamViewer在金融、零售、医疗、科学等各个领域都有广阔的应用空间。
Oliver Steil展示了通过TeamViewer对宇航员进行心跳等健康状况的监测;对农场、渔场现场设备的连接,进行管理监测温度、湿度、PH值等应用。
物联网也将是TeamViewer未来的重点发展方向,因为物联网为数字业务创新提供新的机遇,Gartner预测,到2019年使用中的联网事物将达到142亿个,到2021年将达到250亿个。
TeamViewer可以提供从个人到工厂级别的连接,同工业互联网平台相比其成本更少,部署便捷,而且TeamViewer可以与合作伙伴一起,提供集成性的解决方案。David Fung表示,把不同厂家、不同平台的产品连接是一个很大的挑战,TeamViewer则可以实现跨平台的连接。
另一个增长点将在增强现实领域,远程摄像共享以及实时视频流。目前TeamViewer并不需要特殊AR设备就可以实现,像Android系统使用AR工具包就可以通过手机、平板实现AR应用,未来也将融入更多设备。
未来中国企业需要一个基础架构来支持全球投资,TeamViewer持续助力中国企业加速数字化转型。TeamViewer也将进一步加速公司的增长,期望实现150%的业务同比增长。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。