全球云和本地环境数据管理软件企业Commvault(纳斯达克代码:CVLT)为骆驼集团股份有限公司提供数据备份与恢复解决方案,助力其确保数据的可用性和安全性,大幅提高企业生产效率,从而为其数字化转型进程保驾护航。
骆驼集团成立于1994年,现已发展成为亚洲最大的汽车电池生产商,在全球范围为近50,000客户和超过90%家喻户晓的汽车品牌提供了400多种电池产品。2019年营收额达到1000亿人民币。
随着业务发展,骆驼集团的数据在过去10年间以平均每年18%的速度飞速增长,总数据量高达100TB并广泛分布于多个不同平台,包括企业资源规划(ERP)、客户关系管理(CRM)、办公自动化(OA)、人力资源(HR)、仓库管理和二维码系统等私有云的各种应用、运营在阿里云的电商平台、VMware虚拟机和Citrix XenServer以及用于生产、销售、市场、电商和管理的Oracle数据库,这些重要的数据资产都亟待保护。
过去,骆驼集团采用人工手动的方式备份不同平台的数据,不仅备份速度慢,还对数据可用性以及向销售和客户提供信息层面都产生了负面影响。任何情况的宕机都可能造成一天超过3000万元的损失,因此骆驼集团必须最大限度降低数据丢失风险并确保业务连续性。
在Commvault合作伙伴贝塔世纪科技公司的推荐下,骆驼集团选择Commvault Complete™ Backup & Recovery作为其混合云环境的单一解决方案。对此,骆驼集团股份有限公司信息中心负责人余维康表示:“我们最终选择Commvault,是因为Commvault一直以来都在Gartner魔力象限中处于领导者地位,并且其解决方案备受市场赞誉。同时,Commvault软件可以非常好地与我们现有的基础架构比如Oracle和VMware进行紧密集成。”
部署后,骆驼集团能够自动备份所有系统而避免了宕机,并且提高了关键数据的可利用性和安全性。利用Commvault解决方案跨多个平台执行本地备份、离线备份、异地备份和云备份,确保了信息的及时传递,提高了生产效率以及客户满意度。同时,其RTO从4小时缩短到30分钟,RPO从2小时缩短到1小时,完全满足SLA要求。此外,Commvault Complete™ Backup & Recovery提供一个单一的总控制台,能够有效减少IT团队的工作时间,从而能专注于企业的数字化项目。
目前,骆驼集团正计划将其所有业务功能进行数字化,并将其作为IT策略的一部分。对此,余维康还表示:“Commvault软件简单易用,数据备份和恢复的速度非常快,让我们有信心确保整个供应链的良好运行及安全,最大化地降低中断风险。同时,向Commvault的过渡是无缝的,满足了我们所有的业务需求,我们将继续和Commvault合作来完成我们的数字化转型之旅。”
关于Commvault
“数据就绪”是Commvault一直秉承的理念。作为全球领先的数据备份及恢复领域服务提供商,Commvault数据管理解决方案使企业能够智能化地存储、保护、优化和使用数据,Commvault软件可提供自动化处理以加速IT工作流程,从而让企业充分发掘数据价值,获得有助于业务发展的深刻洞见。Commvault解决方案利用已部署的数字工具和程序,可跨云和本地环境进行使用。Commvault为客户提供先进的软件、解决方案和相关服务,同时借助其庞大的全球合作伙伴生态系统,将触角延伸至全球范围。Commvault在全球市场拥有超过2,300名高技能员工,公司在纳斯达克股票市场上市(CVLT),总部位于美国新泽西州Tinton Falls。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。