为企业提供更大的灵活性和选择性,实现卓越的数字化工作体验
美国佐治亚州亚特兰大,2019年5月21日——云计算的竞赛格局已经形成,竞争程度将会日益加剧。思杰Citrix宣布计划将Citrix Workspace(思杰工作空间)扩展到谷歌云,通过快速、高效地向谷歌设备和操作系统交付应用程序,扩大企业向云过渡的灵活性和可选性,并创造卓越的数字化工作体验,发挥生产力和创新能力。于本周在亚特兰大举行的业内首屈一指的数字工作会议——Citrix Synergy上宣布。
思杰总裁兼首席执行官David Henshall表示:“随着企业将更多应用迁移到云端,他们需要一种简单、安全的方式,让员工可以随时随地在任何设备上访问这些应用。推出适用谷歌云的Citrix Workspace,助力客户加快数字化转型进程,并为其用户提供一种简单、直观的体验。”
谷歌云全球客户运营总裁Rob Enslin表示:“我们的许多客户都投资了现有的软件和基础设施,但他们仍希望能够自由地为他们的云未来进行投资。通过扩大与思杰的合作伙伴关系,我们可以使客户能够在任何地方通过简单、灵活、安全的方式访问和运行其业务所依赖的应用,更好地帮助他们实现转型。”
对于使用谷歌云的企业而言,将Citrix Workspace扩展到Citrix Virtual Apps and Desktops(思杰虚拟应用与桌面)之外,能够帮助企业实现自身应用程序的现代化,并在谷歌设备和操作系统间提供统一的访问,为员工和IT管理创建一个强大的生产力平台。
比如,思杰与谷歌Cloud Identity实现互操作的计划将允许访问Citrix Workspace的用户使用G Suite证书进行无缝身份验证,提供一种更加安全和统一的终端用户体验。此外,智能化功能与G Suite的集成将帮助企业通过Citrix Workspace的个性化功能,自动通知员工其谷歌日历中的重要事件。通过减少不断切换应用程序和搜索信息带来的阻碍,提升员工的参与度和工作效率,创造一种更为简单、智能的体验。
Neste IT解决方案服务管理主管Mari Wasström表示:“借助思杰和谷歌云平台,我们有机会创造一种让人惊艳的工作体验,将对提升工作效率和员工满意度产生巨大影响。替代基于芬兰的解决方案,目前我们拥有了可以部署到全球各地分支的统一理念,为用户提供快速、安全的云应用用户体验。”
通过Citrix Virtual Apps and Desktops机器创建服务(MCS),IT部门能够快速、高效地大规模提供基于Windows的Citrix工作负载,并创建一个现代化的数字工作环境,在这个环境中,员工可以访问自己需要的所有工具,以最优的方式相互协作。目前,谷歌云平台(GCP)的自动配置已实现按需提供,并将在2019年第三季度面向所有客户推出。Citrix的Linux虚拟桌面不久也将支持在GCP上运行。
要想保持用户的参与度和高效性,企业需确保基础设施始终在线。在混合云环境中,这一需求充满挑战,但是借助适用于谷歌云的Citrix Workspace,企业可以利用Citrix ADC与Citrix SD-WAN的强大组合,在GCP传输应用程序或用户连接资源时进行优化和安全连接。
我们已经正式进入混合多云的世界,这种现实改变了IT行业的游戏规则。Henshall指出,“在过去,人们工作所需的所有应用都保存在笔记本电脑上。而现在,有些应用保存在本地,有些保存在企业数据中心,有些则保存在云端。在将Citrix Workspace扩展到谷歌云的过程中,我们为企业提供了更大的灵活性和选择性,让它们能够更好地部署软件即服务(SaaS)、云计算和Web应用,确保员工以简单、高效的方式参与其中,并提高生产效率。”
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。