打造备份一体机,群晖科技平台化战略再进阶

news2024/11/17 10:04:29

数字经济时代,海量数据不断涌现,并成为核心生产要素,驱动着企业生产方式和商业模式发生深刻变革。

与其他生产要素不同,数据要素具有非稀缺性、非竞争性等特征,且只有在具体业务场景中才能充分释放其价值。尤其是近年来随着以大模型为代表的人工智能技术快速发展和应用,业务场景中对数据要素有着越来越高的要求。国家数据局《数据要素X三年行动计划》就明确提出,加速融合AI技术,打造数据要素应用的典型场景,实现数据要素从联接到协同、从使用到复用、从叠加到融合的进阶。

因此,在未来的产业数字化中,如何实现数据要素全面、安全和高效的价值释放,既是企业数智化转型升级的一道必答题,也是数据存储产业界的核心使命。

针对数据存储新需求与新趋势,群晖科技Synology是当前产业界一位重要的探索者与实践者。如今,在全球存储市场深耕多年的群晖科技,正以平台化战略为牵引,加速布局全栈产品线,驱动数据要素的全面价值释放,为各行各业用户数智化转型升级夯实牢固的数字底座。

为数据全场景应用保驾护航

过去,数据应用场景较为有限,数据类型相对较少,数据量增长较缓,对于数据存储的需求也较为单一。现在,随着数字经济与实体经济加速融合,以及云计算、大数据、人工智能等技术在业务场景之中运用,数据爆炸性增长且类型多样,数据要素重要性愈发突出,企业对于数据存储的需求也产生翻天覆地般变化。

这其中,在数据驱动型应用走向全场景的大趋势下,企业的数据安全与数据保护正面临着前所未有的挑战。一方面,各行各业的企业所面临的安全环境发生了巨大变化。近年来,勒索病毒的崛起和产业化,带来全新数据安全挑战的同时,也给全球企业带来巨大损失。Zscaler《2023 年全球勒索软件报告》显示,截至2023年10月,全球勒索软件攻击数量同比增长 37.75%,勒索软件的有效攻击载荷激增了 57.50%,未来挑战不容忽视。

另一方面,随着企业数字化转型的深入,数据驱动型应用的大量出现,不仅带来海量数据的备份与管理需求,业务场景对于连续性的要求也在大幅提升,“永远在线”正在成为越来越多业务场景的目标。而面对新的变化,过去传统的备份体系“举步维艰”,愈发难以满足备份的容量、扩展性以及业务连续性的要求。

因此,产业界需要有新思路与新方案来满足不断变化的需求,为数据全场景应用保驾护航。Synology群晖科技认为,勒索病毒、人为损坏、意外灾害等潜在隐患在不断增加,企业未来对于数据安全会愈发重视,数据保护需求未来将持续增长。基于多年的积累与洞察,群晖科技在Synology 2024数据全场景应用大会上正式推出全新专为企业数据备份的产品线 ActiveProtect 备份一体机。

过去,企业往往需要根据不同的数据应用场景,分别采购不同的数据备份系统。而ActiveProtect备份一体机彻底改变过去这种模式,其搭载群晖研发的ActiveProtect Manager(APM)操作系统,软硬一体化的产品形式可以满足企业多站点部署和跨平台设备保护的需求,同时支持不可变备份、Air-gap离线备份、源端全域数据重删、单一备份计划等技术,在同一界面即可轻松不同数据应用的备份策略与任务,大幅提升整个企业的数据备份管理效率。

以防勒索这个全球性的挑战为例,越来越多企业深受其害。群晖科技基于多年对于数据保护的研究和探索,打造出数据保护黄金架构,实现备份方案的完整、快速和高效备份,备份后数据的可验证和可用,以及备份数据的隔离攻击和数据不可变更。而基于数据保护黄金架构的ActiveProtect备份一体机,更加简化了备份解决方案的部署、管理和应用,真正帮助各行各业的企业应对数据安全和数据保护的新趋势。

为数据应用场景注入AI力量

在经历多年的数字化建设之后,大部分企业并不缺数据,而是缺少把数据转为价值的生产力平台。生产力平台是让广大员工真正把数据用起来的关键,最终实现海量数据的价值持续释放。

当下,大部分企业通常拥有多个业务应用,并且大量半结构化、非结构化数据散落在各个业务部门之中,部门与部门、个人与个人之见的信息瓶颈林立,难以用人工的范式去实现数据的整合、流通、协同与共享。因此,基于企业网盘的数据同步、共享与应用近年来获得越来越多企业的青睐,成为企业构建生产力平台的基础。

以群晖科技为例,其Synology Drive已在多个行业的广大企业中得到应用,让数据像血液源源不断、高效安全地在组织每一个角落流动、共享与使用,让数据“疏通经络、活血化瘀”,彻底解决数据分散、数据孤立的情况。

如果说,企业网盘是企业把数据用起来的基础;那么,AI力量的注入,则有望帮助企业实现把数据用好和数据价值最大化。

在今年的群晖大会上,群晖科技与时俱进推出 AI Console,在Synology Drive的Synology Office、,以及邮箱服务MailPlus等多个套件中融入生成式AI技术,让多人协作文档、表格,以及收发邮件更高效。并且群晖也有百度智能云展开生成式AI合作,共同探索AI办公生产力的未来发展。

众所周知,随着OpenAI的ChatGPT横空出世,生成式AI正在迅速崛起。麦肯锡《生成式人工智能的经济潜力:下一波生产力浪潮》报告显示,当前和未来的生成式AI应用到各行各业,将为全球经济每年带来2.6万亿至4.4万亿美元的增长。

显然,生成式AI技术已初具产业魅力,越来越多企业开始积极拥抱这项技术。不过,生成式AI技术在企业业务中落地绝非易事,涉及到三大核心挑战:一是如何选择合适的业务场景作为生成式AI技术应用的切入口;二是大模型产业正处于蓬勃发展的阶段,但从当前的产业实践来看,没有一个大模型能够满足所有业务场景的需求,企业根据应用选择多个大模型成为当前重要的趋势,这会带来多个模型的接入和管理挑战;最后则是大模型所带来的数据安全、数据隐私等一系列新挑战。

针对生成式AI的应用趋势,群晖科技的思路是以办公场景为切入点,在拥有广泛用户基础的Synology Office Suite 套件中,融入生成式AI技术,助力企业办公场景实现效率飞跃,并且在底层屏蔽生成式AI的复杂性,实现AI大模型的统一链接、管理和应用,并且做到隐私数据的脱敏和安全,真正让企业用户放心使用生成式AI技术。

平台化战略,群晖加速蜕变

从ActiveProtect 备份一体机到 AI Console,明显感觉群晖科技正在加速蜕变,无论是产品线广度,还是解决方案深度等均取得了大幅提升。

群晖科技所呈现出来强劲发展动力,得益于其应用平台化的战略,以及群晖自身产品的研发思考,将操作系统打造成可以为企业提供多样的专业功能应用。通过平台化战略的牵引,逐步完成数据存储全栈技术布局,紧密围绕数据应用全场景的新需求和新趋势,构建起愈发具有竞争力的全栈产品线,并采取开放合作的生态理念,联合产业链上下游合作伙伴,推动平台化战略的落地和可持续发展。

众所周知,随着数据要素作为核心要素的重要性愈发突出,数据存储就像是数据要素的一个综合加工厂,肩负着数据存储、管理、应用和安全的重任,数据存储的优劣直接决定着数据要素价值释放效率的高低。因此,数据存储走向平台化是大势所趋。所谓数据存储的平台化,即存储厂商基于从硬件到软件的整套技术堆栈来构建起一个数据存储平台,向下能够满足数据存储在容量、性能、可靠性、安全性等方面的新需求,向上则可以兼容各种应用、环境,驱动数据要素价值的持续释放。

不过,存储平台化的打造并不容易,它既是数据存储厂商关键技术研发能力、软硬件研发与融合能力、产品与场景融合能力以及生态能力的综合考验,又是一个循序渐进、不断迭代发展的过程,需要持续的积累与实践。

如今看,群晖科技的应用平台化战略已取得阶段性成功。

其一,群晖科技已经在产品层面完成全栈布局,包括FS 全闪存系列、UC/SA-D 高可用系列、SA高扩充系列、HD 高密度系列、ActiveProtect 备份一体机等,涵盖不同规模企业的多业务场景存储需求。

例如,在本次大会上,群晖科技还推出了首款横向扩展存储产品GS系列,具有线性扩展、内置高可用、本地文件和对象存储、高弹性配置等特性,进一步丰富自身产品线,并满足越来越多企业日臻丰富的AI训练场景的存储需求。

其二,群晖科技正在以全面的产品、解决方案完成用户群体的延伸,从过去针对家庭、个人、工作室等用户群体的NAS产品和方案,到后续针对中小企业的存储、企业网盘、数据灾备、监控和邮箱方案,再到现在满足大型企业包括核心业务场景等在内的各种数据存储与数据管理需求,群晖科技如今具备满足各种类型企业多样性数据存储需求的能力。

其三,群晖科技多年坚持的开放合作生态战略,进一步推动了其平台化战略走向成功。群晖科技近年来与阿里云、腾讯云和京东云,以及这次的百度智能云等合作伙伴进行了广泛合作,在混合云环境成为企业IT环境的趋势下,群晖科技携手合作伙伴有力推动了数据在多云环境的流通与应用。

此外,在生成式AI的浪潮中,群晖科技还与百度智能云等合作伙伴紧密合作,推动生成式AI在数据应用场景中的落地与应用。

综合观察,随着AI时代的到来,数据存储需求正在迅速变化。作为以数据存储起家的厂商,群晖科技在数据存储领域耕耘多年,不断磨炼自身的技术、产品与解决方案,近年来呈现出加速成长与蜕变的发展态势。面向未来,随着平台化战略的持续推进,群晖科技有望带来更多、更好的产品与解决方案,帮助各行各业加速数智化转型升级,实现数据要素价值的持续释放。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2172408.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

AIGC: 10 AI转文服务器的搭建过程记录

上图是台风席卷城市,现在企业的服务基本都是混合部署,云计算厂商的机房往往可以提供比较好的保护,一般在地下,扛多少级地震,扛多少级台风,而自建机房,往往写字楼经常停电,网络运营上…

MapBox Android版开发 6 关于Logo

MapBox Android版开发 6 关于Logo Logo的显示查看源码及思路(Logo)第一步第二步 隐藏Logo示例查看源码及思路(Info)第一步第二步 隐藏Logo和Info示例 看到有网友留言问如何移除Logo,今天看了下V9源码,发现M…

ThreeJs绘制圆柱体

上一章节实现了圆锥体的绘制,这节来绘制圆柱体,圆柱体就是矩形旋转获得,如上文一样,先要创建出基础的组件,包括场景,相机,灯光,渲染器。代码如下: initScene() {this.sce…

【LeetCode】每日一题 2024_9_27 每种字符至少取 K 个(双指针)

前言 每天和你一起刷 LeetCode 每日一题~ LeetCode 启动! 题目:每种字符至少取 K 个 代码与解题思路 func takeCharacters(s string, k int) int {// 核心思路:// 题目要求字符串 s 中,每种字符都取至少 k 个// 而且可以从头取…

使用 LlamaIndex 进行 CRAG 开发用来强化检索增强生成

提升AI模型的准确性与可靠性 ©作者|Ninja Geek 来源|神州问学 介绍 检索增强生成(RAG)彻底改变了使用大语言模型和利用外部知识库的方式。它允许模型从文档存储的相关索引数据中获取信息用以增强其生成的内容,使其更加准确和信息丰富…

en造数据结构与算法C# 之 二叉排序树的删除

en造数据结构与算法C# 之 二叉排序树的增/查-CSDN博客 删除方法比起添加和查找就稍显复杂了 &#xff0c;所以单独拿出来写一篇 分析 输入 1.根节点&#xff0c;用于从根上查找你要删除的节点 2.需要删除的值 public Node<T> Delete(Node<T> root, T data) {if (…

数据结构及基本算法

目录 第一章 概论 第一节 引言 第二节 基本概念和常用术语 第三节 算法的描述与分析 第二章 线性表 第一节 线性表定义和基本运算个 一、线性表的逻辑定义 二、线性表的基本运算 第二节 线性表的顺序存储和基本运算的实现 一、线性表的顺序存储 二、顺序表上基本运算…

自动驾驶电车难题的康德式道德决策

摘 要 自动驾驶电车难题是检验人工智能伦理可行性的一块试金石 , 面对不同情境 , 其计算程序既要作出可决定的、 内在一致的判断决策 , 又要与人类的普遍道德常识相兼容 。 康德义务论给出了具有普遍性与一致性的理论框架。 自动驾驶电车的道德决策可视为由计算程序执行的第…

Linux学习之路 -- 线程 -- 条件变量与生产消费模型

前面我们已经提过线程互斥的相关概念&#xff0c;但是我们在前文的抢票逻辑中&#xff0c;我们其实很容易发现一个问题。那就是票可能被一直被一个人抢&#xff0c;这里我们就需要引入条件变量的概念。 目录 1、条件变量 <1>线程同步 <2>相关概念 <3>相…

pycharm2024版 搭配Anaconda创建pytorch项目

pycharm2024版 搭配Anaconda创建pytorch项目 ​ 刚接触anaconda和pytorch&#xff0c;b站看的教学视频中博主使用的是2019版的pycharm&#xff0c;所以在创建pytorch项目时有些懵&#xff0c;在多次摸索后大概明白了一些 上图中是2024版pycharm的新项目创建界面 Project venv…

计算机毕业设计 基于Python的广东旅游数据分析系统的设计与实现 Python+Django+Vue Python爬虫 附源码 讲解 文档

&#x1f34a;作者&#xff1a;计算机编程-吉哥 &#x1f34a;简介&#xff1a;专业从事JavaWeb程序开发&#xff0c;微信小程序开发&#xff0c;定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事&#xff0c;生活就是快乐的。 &#x1f34a;心愿&#xff1a;点…

部分监督多器官医学图像分割中的标记与未标记分布对齐|文献速递--基于多模态-半监督深度学习的病理学诊断与病灶分割

Title 题目 Labeled-to-unlabeled distribution alignment for partially-supervised multi-organ medical image segmentation 部分监督多器官医学图像分割中的标记与未标记分布对齐 01 文献速递介绍 多器官医学图像分割&#xff08;Mo-MedISeg&#xff09;是医学图像分析…

vscode开发uniapp安装插件指南

安装vuets的相关插件 首先是vue的相关插件&#xff0c;目前2024年9月应该是vue-offical 安装uniapp开发插件 uni-create-view &#xff1a;快速创建 uni-app 页面 安装uni-create-view之后修改插件拓展设置 勾选第一个选择创建视图时创建同名文件夹 选择第二个创建文件夹中生…

node.js npm 安装和安装create-next-app -windowsserver12

1、官网下载windows版本NODE.JS https://nodejs.org/dist/v20.17.0/node-v20.17.0-x64.msi 2、安装后增加两个文件夹目录node_global、node_cache npm config set prefix "C:\Program Files\nodejs\node_global" npm config set prefix "C:\Program Files\nod…

zabbix 软件监控

一、zabbix基本概念与组件和原理 1.1 zabbix概述 Zabbix 是一款可监控网络的众多参数以及服务器、虚拟机、应用程序、服务、数据库、网站、云等的健康状况和完整性。Zabbix 使用灵活的通知机制&#xff0c;允许用户为几乎任何事件配置基于电子邮件的警报。这允许对服务器问题做…

酒店智能门锁SDK接口通用转换函数对接酒店收银-SAAS本地化-未来之窗行业应用跨平台架构

一、通用转换代码 public class CyberWin_LocakAPP{// public static byte[] bufCard new byte[128 1];public static string 未来之窗_美萍_getsign(byte[] bufCard){int i;string 酒店标识, s, s2;// 先读卡string 未来之窗 Encoding.ASCII.GetString(bufCard);// edt_Ca…

回归预测|基于蜣螂优化长短期记忆网络的数据回归预测Matlab程序DBO-LSTM 多特征输入单输出 含基础LSTM

基于蜣螂优化长短期记忆网络的数据回归预测Matlab程序DBO-LSTM 多特征输入单输出 含基础LSTM 文章目录 一、基本原理DBO-LSTM 多特征输入单输出回归预测的原理和流程2.1 蜣螂优化&#xff08;DBO&#xff09;2.2 长短期记忆网络&#xff08;LSTM&#xff09;3.1 数据准备3.2 模…

ubuntu 开启root

sudo passwd root#输入以下命令来给root账户设置密码 sudo passwd -u root#启用root账户 su - root#要登录root账户 root 开启远程访问&#xff1a; 小心不要改到这里了&#xff1a;sudo nano /etc/ssh/ssh_config 而是&#xff1a;/etc/ssh/sshd_config sudo nano /etc/ssh…

C++:采用模板封装顺序表,栈,队列

1.顺序表&#xff1a; list.hpp #ifndef LIST_HPP #define LIST_HPP #include <iostream>using namespace std;template <class L>class Seqlist { private:L *ptr;L size;L len0;public:void init(L n){//堆区申请空间&#xff08;大小为n&#xff09;this->…

饿了么 ui表单 有滚动条的时候 右上角多一节

// 当没有滚动条的时候 :deep(.el-table__body-wrapper.is-scrolling-none~.el-table__fixed-right) {right: 0px !important;}// 当有滚动条的时候 默认偏移距离:deep(.el-table--scrollable-y .el-table__fixed-right) {right: 13px !important;}修改完 不显示滚动条