本次大会围绕Veritas多云数据管理的核心优势,深度解读业界领先的云数据管理平台Veritas Alta,同时邀请到众多客户、云联盟生态合作伙伴、行业分析师以及技术大咖莅临分享成功经验,共同探讨混合多云时代数据管理难题、探寻提升数据保护前沿技术,为中国企业加快数字化转型进程赋能。
Veritas公司大中华区总裁 滕文
随着企业业务大规模上云,尤其是多云混合环境成为常态,企业面临新的数据管理风险的同时,传统的数据保护问题仍然存在。作为多云数据管理领域的领导者,Veritas洞察到多云时代的趋势并总结了企业共同面临的5“S”挑战:安全(Security)、数据蔓延(Sprawl)、成本上升(Spend)、可持续性(Sustainability)、人员技能(Skills Gap)。本次大会上,Veritas分享了最新的数据管理理念,即以统一的云数据管理平台,在任意环境中管理所有数据和应用程序,消除云的不确定性,掌控每一朵云。同时,还宣布了其产品Veritas Alta正式上线亚马逊云科技Marketplace(中国区),客户将实现按需付费和快速部署。此举能简化客户购买流程,进一步提升用户体验,充分满足用户按需付费,按需扩展和快速部署的需求,让更多企业受益于Veritas创新技术并快速实现业务价值。
此外,大会期间Veritas与联想方案服务业务集团(SSG)签署了云服务供应商(VSPP)战略联盟协议,进一步加强了推进中国云合作伙伴生态建设的决心。
Veritas公司大中华区总裁滕文表示:“扎根中国20多年,Veritas始终致力于满足中国本土企业在不断变化的市场环境中对数据管理解决方案的需求,助力中国企业转型发展。云与大数据的普及打破了企业数字化应用的传统边界,为企业数字化转型提出了更大的挑战。作为领先的云数据管理者,Veritas将继续通过前沿技术,为中国企业的数字化转型和创新保驾护航,在数字经济浪潮中稳步前进。”
据 Gartner 预测,到2025 年,94%的企业会采用多云策略。随着数字化转型不断深入以及更多应用和数据迁移入云,对企业数据管理能力提出了新要求。如何帮助企业提升勒索软件应对韧性,如何确保云中工作负载和所有数据安全,如何降低云存储IT成本,实现从边缘,核心到云端的全面数据可见性以确保数据合规,以及如何简化数据管理,更好地支持云原生架构的弹性扩展,实现强大的应用保护和业务连续性,成为多云环境下企业亟需解决的数据管理难题。
针对多云环境中的诸多挑战,统一的云数据管理平台 Veritas Alta应运而生。作为业界全面的云数据管理平台,Veritas Alta涵盖三大关键领域的产品和服务:无与伦比的勒索软件韧性的数据保护、提供高达5个9的可用性的应用弹性,以及数据合规。Veritas Alta帮助企业将关键业务工作负载迁移到云端,进一步巩固其数据自治战略。
亚马逊云科技大中华区解决方案架构部总监代闻表示:“企业上云已经成为数字化转型中必不可少的一步,而如何充分发挥云计算的优势,助力企业不断创新一直是我们关注的焦点。自 2017年 Veritas 成为亚马逊云科技的合作伙伴以来,诸多企业通过利用亚马逊云科技与 Veritas 的联合解决方案,大大提升了云上的数字化体验。未来,我们将与Veritas在数据管理领域进一步深化合作,为更多企业提供安全可靠的云上数据保护体验。”
联想方案服务业务集团(SSG) 表示:“作为领先的IT整体方案服务提供商,我们观察到混合多云环境下新 IT架构带来更多的复杂性,企业客户开始关注如何更有效率的兼顾企业IT架构的稳定性和灵活性。这次和Veritas强强联手,共同签署云服务供应商(VSPP)战略联盟协议,旨在通过运用所有的Veritas解决方案,为更多中国企业在复杂多变的云环境下提供标准的数据保护服务,交付更多端到端 、一站式的服务和解决方案。”
通过不断创新的数据管理理念和解决方案,Veritas正在重塑企业数据管理未来。随着数字经济稳步增长,Veritas将持续优化升级数据保护和管理解决方案,同时携手本地合作伙伴,助力更多本地客户实现成本最小化和工作负载现代化,携手共创腾云驾数,睿智泰达的数字经济新世界。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。