ZD至顶网安全频道 02月23日 编译:Veritas日前复出,正紧锣密鼓地筹划推出新的产品,同时Veritas还宣布将加强与亚马逊网络服务(AWS)及微软Azure的合作。据悉,Veritas是一家从事数据管理和存储的传统厂商,在2015年被赛门铁克公司卖掉。
据称,Veritas宣布与微软建立为期数年的合作伙伴关系,微软将在Azure上使用Veritas的企业库云和管治工具。NetBackup 8.0、Backup Exec 16与Azure的整合及Veritas与微软的合作伙伴关系将为Veritas在混合云领域提供契机。
Veritas CEO比尔·科尔曼(Bill Coleman)
此外,Veritas在与Azure完成该交易的一周前曾表示,旗下的360数据管理平台将进入亚马逊网络服务(AWS)。AWS和Veritas曾将一系列的工具整合在一起,这些工具可将公共云基础架构和企业数据中心进行混合与匹配。例如,Veritas弹性平台、InfoScale、Access和NetBackup Backup Exec也将进入AWS。
赛门铁克2015年以74亿美元将Veritas卖给凯雷集团(Carlyle Group),Veritas CEO比尔科·尔曼在谈及Veritas与公共云提供商的合作及未来计划时给出了以下要点:
云的重要性。科尔曼表示,Veritas正在进军云领域,目标是能给客户一个 “云和数据中心任意组合 “的选择。此外,进军云领域也意味着Veritas将采用订阅和以消费为基础的商业模式。科尔曼曾统领过BEA Systems。他在谈到产品方面时表示,Veritas在NetBackup里添加了API框架并会将其全面整合到产品组合里。科尔曼表示,“我们全面进入公共云,公共云将成为我们产品里的一个完整元素。云是我们的战略核心。”
GDPR(General Data Protection Regulation,一般数据保护监管)。科尔曼在谈话里不断提到GDPR。之所以这样是有其原因的。GDPR是欧盟的数据驻留和保护监管条例。Veritas正处于向数据管理公司转型的转接点。GDPR是一个重大的改变,原因是一众公司不管在任何时候都必须知道自己的数据身处何处。科尔曼表示,“不管数据在哪里,我们都将为其提供可视化的整合产品。”他还表示, Veritas正在考虑将整个过程自动化。
科尔曼做了这样的解释,“我们希望明年在所有环境里针对GDPR将迁移和发现完全自动化。自动化是必须的的。每一次违例事件你就会被罚款。Veritas分析过我们自己的数据。我们在GDPR上不得不花费几百万美元。因此,这是件大事情。我们要做很多工作才能搞定我们自己的事情。我们是我们自己的头号客户。”
GDPR将于2018年5月生效。科尔曼表示,GDPR大可以成为Veritas的催化剂,前提是Veritas能够帮助客户了解自己的全部数据再对其管理。他将GDPR比作萨班斯-奥克斯利法案。萨班斯-奥克斯利法案基本上成了全球金融服务监管条例。
商业模式。与大多数软件公司一样,Veritas将过渡到基于订阅的模式。Veritas大约9个月前推出订阅产品,因此,现在要预测商业模式转换的快慢为时尚早。
混合云。科尔曼表示,“我们还没见过有客户在传统处理应用程序上走云优先这条路。不过,大客户现在也不过是走到了将关键任务应用程序迁移到云里这一步。我们预计大多数大型企业将采用混合云。”
未来的挑战。科尔曼表示,业界一般认为Veritas是个传统型公司,在这一点上存在挑战,但由于客户面这也是机会所在。执行上也存在挑战。但科尔曼表示,Veritas发布新产品更迅速了,也更有效率了。GDPR和Veritas公共云整合要讨取决策者的欢心还有很长的路要走。Veritas是独立的,不会卖将软件与硬件一起出售,这也是Veritas的一个机会。科尔曼表示,“大多数企业客户数据由我们管理,我们得到信赖。中立对我们的客户来说是一个优势。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。