ZD至顶网软件频道消息(文/邹大斌): 日前,Parallels对外发布了最新版应用和桌面交付套件——Parallels Remote Application Server V15。它将为IT组织提供最便捷和最具成本效益的解决方案,从而便于员工在任何设备上操作Windows应用程序和桌面。
近年来,随着云计算和BYOD的兴起,用户对移动办公的需求被激发出来,尤其是涉及产品安全(比如研发)或者需要在公司以外演示的应用场景(比如保险销售),桌面和应用交付市场就是为满足这类应用需求而产生并快速成长的。当然,竞争也比较激烈。在中国市场除了Parallels Remote Application Server之外,还有VMware和Ctrix,不少中国本土企业也提供这类解决方案。另外,随着超融合的兴起,不少超融合厂商也与桌面及应用交付供应商联合推出了整体的解决方案。
“面对这一市场,简单易用以及高性价比将是Parallels Remote Application Server参与市场竞争的最大优势。”Parallels 亚太区跨平台解决方案业务总经理Eugenio Ferrante表示。
他说,与同类产品相比,Parallels Remote Application Server学习曲线短、部署速度快、轻松从竞争平台迁移、集成式负载均衡解决方案和最低的授权成本等优势,以确保 IT组织将宝贵的IT预算重新调配给其他项目。
比如,Parallels Remote Application Server有一个邮件邀请功能,在IT管理人员为用户配置好桌面和应用之后,只要给用户发一封包含访问路径链接的邀请邮件,用户只要点击这个链接就可以马上打开应用和桌面,而无需进行任何配置。
据悉,Parallels Remote Application Server的设计充分考虑了IT管理便捷性和终端用户体验,因此具有优化的用户界面,这大大减少了最常见的任务管理耗费的时间,包括通过直观的配置向导支持应用维护和新服务器设置来流程化用户注册。
Parallels总裁Jack Zubarev表示:“Parallels Remote Application Server V15为企业的IT部门、系统集成商和管理服务提供商提供了最简单的桌面和应用交付解决方案。显著降低向员工的任何设备交付任一应用程序的复杂度和成本是我们发布V15的主要目标。”
Parallels Remote Application Server 可让IT管理员非常灵活地向员工的自带设备或选择程序提供Windows和Windows应用程序。该解决方案整合了所有适用于远程桌面和应用程序交付的主要功能——包括报表、高可用性、双因子认证和Windows客户端管理——而其它同类产品往往单独出售此类功能。Parallels Remote Application Server从一开始就功能齐备,无需安装额外模块,因而成为各类企业的理想之选。
具体而言,Parallels Remote Application Server V15的主要亮点体现在以下方面:
1.更加完善的用户体验:
2. 更强大的IT管理功能:
3. 发布多样性:
4.更高安全性:
5. 集成式支持:
目前,用户可登录Parallels官网,下载Parallels Remote Application Server V15的30天免费试用版,其中包括50个并发用户许可。而在产品定价方面,Parallels Remote Application Server V15提供售价每年698元的单用户许可,包括支持服务在内的全部功能,并显著降低了购置成本、支持成本和培训成本。
Parallels Remote Application Server于2016年2月3日正式上市,通过在线和授权经销商销售。
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。