至顶网计算频道 06月12日 新闻消息(文/李祥敬):今年最大的黑天鹅事件新型冠状病毒肺炎COVID-19的全球大流行,持续影响全球的商业经济环境。远程办公、线上工作成为新常态。在这情况下,企业基础架构的弹性能力是能够快速应对不确定性的重要支撑。
工作状态的变化不只是沟通工具的更换那么简单。每一个对远程办公的用户对于IT基础设施的敏感度成倍提升。当用户在公司里面办公,遇到问题可以直接联系IT部门。但是随着工作负载日渐复杂、员工散落在世界各地不同的地方,如何保证企业应用的可用性、可靠性、易用性成为关键。
因为员工的工作体验直接影响到公司生产力的高低。全球规模最大的前2000家公司推出了一个量化指标,即所谓的“雇员工作体验”。雇员工作体验代表这个公司下属的员工在工作中的体验,这跟跟用户的生产力高低呈正比关系。
有调查数据显示,2014到2019年期间,推行员工远程办公或在家办公计划的全球企业比例从27.6%稳步增长至50%。然而,这并不一定意味着“在家办公”已成常态,也不表示企业和团队能够达到办公室办公通常可以实现的同等效率和生产力水平。
这个时候那些完成基础设施现代的企业其实会很好地应对这种挑战,比如采用云桌面DaaS,DaaS的快速可扩展性和按需付费模式可在短时间内为工作队伍建立起弹性应对能力,而且在大规模部署,且短期使用的时候,整体成本比扩展VPN方案更低。
利用公有云基础设施获得更高的可靠性和灵活性。如此,员工和团队都能按需访问个人工作环境,并且工作环境会一直受到监控和保护,以防止数据泄露并预防网络攻击。
另外,现在云无处不在。本地数据中心容量通常不足以支持突发需求,此时企业可以通过利用公有云服务的弹性扩展本地工作负载容量。基于实时工作负载和性能监控构建功能,并使用云原生架构自动扩展或重新构建工作负载,确保运营的连续性。
云计算的一个重要特质就是弹性,企业在实现基础设施现代化过程中,结合自身的实际情况,将云计算纳入基础设施的构建中,无疑会提升基础设施的弹性,从而更好地应对各种类型工作负载的请求。
很多原因都可能导致企业日常运营的中断。无论企业规模大小,都难免会发生一些突发情况。在新冠肺炎全球流行这样的危机时期,实施可靠的业务连续性战略对企业而言至关重要。
当下疫情为各行各业展开正常经营活动带来了挑战,企业经营压力剧增。如何在当前疫情不确定性的经营环境下全力确保关键业务连续性运作,成为企业管理者的紧迫任务,也考验着企业应对突发事件下的业务连续性运作能力。
企业的灾难恢复计划可能更侧重于核心技术元素、数据中心、关键基础设施和系统;而业务连续性计划则立足于更广的视角,着眼于整个企业,从而尽量降低或完全避免业务中断对企业日常运营造成的影响。
无论是关键的IT基础设施和系统,还是业务流程,在设计和构建之初,都应该考虑到业务中断的情况。目前,制定业务连续性计划是确保业务连续性的重要方法。当业务发生中断时,这为企业提供了一种替代方案。
对于企业而言,他们需要同时制定灾难恢复计划和业务连续性计划,两者相互补充,而不是只是注重一方面,只有这样企业在应对类似新冠肺炎这样的黑天鹅事件时,才能处变不惊。
总之,企业的当务之急是提升基础设施的弹性,通过采纳云计算等技术实现基础设施的现代化,同时基于坚实的基础设施在业务层面确保运营的持续性。在不确定性的时代,持有持续进化的物种才能生存,企业也应该在技术和业务上不断进化增强自身的生存能力。
好文章,需要你的鼓励
谷歌发布数据共享模型上下文协议服务器,使开发者和AI智能体能够通过自然语言访问真实世界统计数据。该服务整合了政府调查、行政数据和联合国等全球机构的公共数据集。新服务旨在解决AI系统训练中常见的数据噪声和幻觉问题,为AI提供可验证的结构化信息。谷歌还与ONE Campaign合作推出数据智能体工具,该开源服务器兼容任何大语言模型。
这项由谷歌DeepMind研究团队完成的开创性研究首次系统阐述了AI智能体经济的概念框架。研究提出"沙盒经济"模型,从起源性质和边界渗透性两个维度分析AI智能体经济形态,预测未来将出现自然涌现且高度透水的AI经济网络。研究详细探讨了科学加速、机器人协调、个人助手等应用场景,提出基于拍卖机制的公平资源分配方案和使命经济概念,并深入分析了技术基础设施需求、社区货币应用以及相关风险防范措施。
微软宣布从周三开始将Anthropic的AI模型集成到其Copilot助手中,此前该助手主要依赖OpenAI技术。企业用户可在OpenAI的深度推理模型和Anthropic的Claude Opus 4.1、Claude Sonnet 4之间选择,用于复杂研究和构建定制AI工具等任务。此举标志着微软与OpenAI这对曾经独家合作伙伴关系的进一步松动。
中国人民大学研究团队提出LoFT方法,通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量,并扩展出LoFT-OW版本处理开放世界场景。实验显示,仅使用传统方法1%的数据量就能取得更优性能,为AI公平性和实用性提供了新的解决方案。