Nutanix亚太及日本地区高级副总裁Matt Young
在亚洲企业努力应对一系列社会和自然因素的干扰和冲击的过程中,如何管理员工,维持企业正常运转,尤其是在员工不得不远程办公的情况下如何保证企业生产力,正成为一个日益普遍的问题。
亚洲地区面临的挑战在于,尽管它已成为全球经济中心之一,但仍然需要应对各种人为和自然的不确定性因素。毋庸置疑,亚洲是世界上最具经济活力的地区之一,同时也是世界上自然环境最复杂、不可预测因素最多的地区之一。
对于亚洲许多企业来说,保证业务弹性和连续性以往只是未雨绸缪,现在却成为当务之急。
在中国,受新型冠状病毒肺炎疫情的影响, 许多企业员工无法出门正常上班,而企业运营又需要这些员工“到岗”继续工作,保证生产能力,这种情况让许多企业疲于应对。
由于亚洲仍有数以百万计的人处于远程办公状态,科技对维持经济正常运转的重要作用已经引起了广泛关注。
在近几个月里,一些有先见之明的企业已经利用一系列软件解决方案和应用来应对了近来的不可预测和不确定因素,确保了业务的连续性。
毫无疑问,云技术在其中起了重要作用。公有云、私有云和混合云服务确保了企业可以持续访问和使用关键数据。
与此同时,基础架构由硬件向软件定义的转变,意味着不再需要大量IT人员实际驻守数据中心。数据中心的操作可由远程或少数骨干人员进行处理,因此许多企业能够继续正常运营。
虚拟桌面基础架构(VDI)和桌面即服务(DaaS)是科技助力企业平稳运转的完美范例。 VDI作为云托管桌面,通常位于本地数据中心,由企业内部IT人员进行操作和维护。
VDI的优势在于其为企业提供了定制和控制现场硬件和环境的能力,非常适用于拥有高度敏感数据的企业。这种基础架构部署灵活,可通过简单操作进行精细化扩展,能够充分应对不可预测因素造成的短时间需求增长,例如近来一系列不可预见事件所导致的情况。
VDI能够为企业带来的最大价值在于其能够让企业在不牺牲业务安全性、生产力或性能的情况下,为人员提供流动性和灵活性。它让员工可以在任何地方、任何设备上工作,不受任何限制地安全访问工作桌面、文件和网络。
而DaaS是一种完全外包的虚拟桌面解决方案。它既不依赖也不占用任何内部硬件资源,能够提供与VDI相同的灵活性、安全性和权限,但完全由第三方处理,并且托管在他们的云上。
如今,VDI和DaaS已经成为智慧企业的特征,不仅对业务弹性和连续性至关重要,而且在外部环境相对稳定的时期也能为数字企业带来效益:
此外,VDI在经过近期的几次升级后功能更加强大,获取更加方便,为企业减少了基础架构配置安装的时间、精力和成本,让更多企业能够负担得起。
VDI和DaaS两种模式共同为企业提供了简单易行的远程办公解决方案,无论员工身处何地都能为企业确保生产力和效率。随着企业正在积极寻求应对未来风险和外部干扰的解决方案,这两种模式有望成为它们保持业务连续性的利器。
然而,不那么幸运的企业怎么办呢?如果员工因疫情受到隔离无法工作,这些企业也有现成的解决方案可以选择。
由于VDI和DaaS是基于云技术的解决方案,为团队、客户或合作伙伴建立虚拟工作空间通常只需不到一个小时。受到出行限制的员工只需使用网络浏览器,从家中就可以安全可靠地访问任何应用,而不需下载或升级软件。
对于智慧企业来说,这些解决方案的已见成效。
而对于其他企业来说,越早采用所需的现代化工具,让员工保持流动性和生产力,让业务在波动时期保持弹性,让经济在波动时期保持增长,就越能帮助巩固亚洲在全球经济中的重要地位。最后,让每个企业都能够为助力亚洲继续引领全球经济发展而贡献力量。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。