云转型是数字化转型的一个重要组成部分,越来越多的企业通过上云的方式进行数字化转型。随着云革命进入到第三个十年,采用云可获得的巨大价值越来越显而易见。据麦肯锡估计,仅财富500强企业就获得了超过1万亿美元的价值。有趣的是,几乎所有价值均来自于业务创新和优化,而不是IT成本的降低。
因此,上云已成为企业进行业务创新和优化的必选项。企业上云能够便捷地按需使用资源,获取高度可扩展、灵活易管理的业务模式,提高资源配置效率,降低业务创新和优化的成本,助力企业实现智能化、精细化和简易化运营。
但是,企业的工作负载规模庞大且持续增加,上云选择种类繁多,云上环境纷繁复杂,如何确保企业的“云转型”过程安全、灵活、易于操作,真正通过“云转型”给企业业务带来创新和优化呢?
作为全球数据管理领域的专家,Commvault认为企业向云转型,需要特别注意以下五点。做好这五项工作,方能成功上云,事半功倍。
1. 更广泛的工作负载覆盖:过去几年,企业的数据环境经历了巨大变化,留下了各种工作负载。为了保证企业环境安全,无论是旧有数据,还是新一代工作负载,所有这些工作负载都需要进行数据保护和管理。
2. 灵活的交付模式:这项要求十分重要。使用SaaS这样的灵活交付模式,企业可以根据目前和未来的业务需求,消耗和部署云服务,并加大用量。
3. 多云支持:企业使用多云,必须找一个具有云原生集成能力的可靠合作伙伴合作。这样可以支持企业能够在云环境中快速创新,同时避免被单一云或存储厂商锁定。
4. 智能自动化:智能自动化能够加快并简化云和本地之间的数据迁移。流程自动化支持企业能够专注于业务创新,同时降低无法满足服务等级协议(SLA)的风险。
5. 企业级安全:据保守估计,每11秒就会发生一次勒索软件攻击。因此,企业需要确保自身保持较高的安全防御状态。单一平台提供的端到端可见性可以让企业做好准备,随时应对任何可能出现的问题或攻击。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。