近日,BoCloud博云(苏州博纳讯动软件有限公司)完成 C+ 轮战略融资,本轮由中电科基金管理有限公司(简称中电基金)、蔚来资本投资。
博云成立于2012年,是中国云计算 PaaS 及 CMP 多云管理领域的领军企业。通过容器云、微服务、DevOps 组成的 PaaS 技术中台,为客户提供面向应用管理的解决方案;通过 CMP 多云管理平台、自动化运维等产品,为客户提供跨越传统 IT 及云计算环境的资源管理解决方案。产品和服务广泛应用于金融、能源、制造等行业超200家大型客户,并在营业收入、增长速度和盈利水平等方面持续领跑同赛道创业厂商。
投资博云,国家队的战略眼光
中国电子科技集团有限公司(简称CETC)是中央直接管理的涉及国家安全和国民经济命脉的国有重要骨干企业,是我国电子信息技术产业主力军、国家队,位列世界500强第370位。中电基金是由 CETC 旗下中电科投资控股有限公司联合国有大型金融机构等共同发起设立的专业化、市场化基金管理公司,是电科系基金统筹管理及运作的实施平台,基金管理规模近300亿元,重点投资领域包括网络安全、半导体、5G通信、物联网、云计算等。
后疫情时代,数字经济成为了“新基建“重要投资内容。作为本轮新增投资方,中电基金总经理汪满祥表示,云计算作为数字经济的核心基础设施,具有前所未有的发展契机,以及广阔的增长空间。无论在各行业数字基础设施的建设中,还是在企业信息技术服务能力的提升中,云计算都是必不可少的关键技术。博云作为在云计算 PaaS 和多云管理领域创业赛道的领跑者,具备领先的产品与服务能力。作为我国电子信息技术产业国家队旗下产业投资基金,中电基金此次投资博云,正是看重博云在云计算领域的发展前景,也看好云计算作为新基建底座所具有的市场潜力。中电基金将积极推动博云与中国电科产业生态协同发展,以其自主可控云计算技术赋能更多企业实现数字化转型。
追投博云,蔚来资本的持续看好
作为新基建重要的发展领域,云计算已然成为提升传统企业向数字化转型加速发展的重要手段,成为支撑企业业务创新发展的IT新常态。
此次追加投资的蔚来资本管理合伙人余宁表示,在新基建进程中,云计算技术持续赋能中国汽车、制造等传统行业数字化转型,技术人员对敏捷高效的应用管理和资源管理的需求日益凸显。我们欣喜地看到博云以其领先的 PaaS 技术和大量实践经验,持续赋能包括汽车、能源、制造在内的各行业客户,打造了一批标杆案例的同时,在营收和市场占有率上也是领跑 PaaS 赛道的初创企业。我们持续看好博云未来的发展潜力,相信博云能够凭借产品创新和优质服务,继续为客户创造价值,在云计算行业开疆辟土。
领跑企业如何炼成
在博云看来,深入了解客户的真正业务需求,是驱动博云产品矩阵创新发展的核心动力。博云瞄准的不仅是在以容器、微服务、DevOps为核心的云原生应用技术 PaaS 市场,为客户提供面向应用全生命周期管理的解决方案,实现从业务开发、集成、部署、运维的全链条支撑,服务企业应用,助力企业业务创新;并在 CMP 多云管理市场,致力以“一体化云管平台+自动化运维”为核心,打造完整的云运营和运维平台,实现异构虚拟化平台的集中化管理与自动化运维,提高IT资源效率,解决企业全新运营问题。
经过多年的产品矩阵的完善及服务能力的增强,目前博云已具备为客户提供覆盖5大方向、24类、110种项目的建设能力,满足不同客户、不同场景的应用管理和资源管理的云化需求,功能先发的同时保障产品安全性、可靠性和易用性,为客户提供高品质的产品及服务。
此次融资,博云将继续投入到产品矩阵核心技术的研发与创新、业务市场规模扩张、行业解决方案的生态建设和渠道合作伙伴生态建设。在更广阔的市场发展契机下,博云将以更高的加速度持续领跑 PaaS 及多云管理创业赛道。
好文章,需要你的鼓励
亚马逊云服务宣布为S3云对象存储推出向量存储功能S3 Vectors,声称可将AI存储中向量数据的上传、存储和查询成本降低90%。该服务旨在让客户以经济方式在AWS云中存储大量向量数据并进行语义搜索,可替代昂贵的向量数据库。每个S3 Vectors存储桶支持多达1万个向量索引,每个索引可存储数千万个向量。
复旦大学研究团队开发的AnyI2V系统实现了从任意条件图像到视频的生成突破。该系统无需训练即可处理多种输入模态(包括3D网格、点云等),支持用户自定义运动轨迹控制,并通过创新的特征注入和语义掩模技术实现了高质量视频生成,为视频创作领域带来了革命性的便利工具。
AI公司正推动智能体成为下一个职场颠覆者,但专家认为还未成熟。初创公司Mixus推出AI智能体平台,让用户直接通过邮件或Slack与智能体交互,保持人类参与工作流程。该公司已获得260万美元种子轮融资,其最大卖点是易用性。用户可通过文本提示创建智能体,支持多步骤任务执行、团队协作和共享记忆功能。基于Claude 4和OpenAI o3构建,具备网络访问能力,旨在成为不知疲倦的数字同事。
斯坦福大学研究团队开发了KL-tracing方法,能让视频生成AI模型在无需专门训练的情况下进行精确物体追踪。该方法通过在视频帧中添加微小追踪标记,利用模型的物理理解能力预测物体运动轨迹。在真实场景测试中,相比传统方法性能提升16.6%,展现了大型生成模型在计算机视觉任务中的潜力。