下一代安全企业Palo Alto Networks®(纽交所代码:PANW)近日宣布其正在组建一家资产为2000万美元的网络安全风险基金。该基金将提供早期资本投资,以推动Palo Alto Networks下一代网络安全平台的创新网络安全应用开发。
该基金将面向那些致力于开发云安全应用的尚处于初创、早期或成长期的安全企业,这些企业以Palo Alto Networks平台和Palo Alto Networks应用框架为基础进行云应用开发,可以大大加快其技术推向市场的步伐,轻松吸引成千上万的Palo Alto Networks客户部署。
该基金预计将与Greylock Partners和红杉资本(Sequoia Capital)合作,以确认和评估那些潜在的值得其共同投资的创新网络安全应用。
通过提供资金,该基金将帮助企业家和安全厂商专注于为客户开发高价值的功能,而不是开发那些基础设施和数据存储之类的只为寻求市场立足的产品。
投资安全公司,其目的是加快那些适用于Palo Alto Networks平台的全新网络安全应用的开发进程。这些应用将帮助企业客户更轻松地存取、评估和采用全新的高级网络安全功能,并根据安全需求的变化启动来自不同供应商的云安全应用。
引言
-Palo Alto Networks业务和企业发展部高级副总裁ChadKinzelberg
-Greylock Partners合伙人Asheem Chandna
-Sequoia Capital合伙人Jim Goetz
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。