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
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。