创意是点亮企业前进方向的火种,但若想让创意落地生根,转化为实际成果,则需要敏锐洞察、专业积淀以及生态合作的共同作用。在近期举办的Microsoft Ignite 2025大会上,戴尔科技发布了多项与Microsoft的最新合作成果,依托双方深厚的技术积累与领先实力,共同引领企业迈入现代化转型的全新阶段。
Dell PowerStore新增Azure Local支持,简化混合云管理
当前,企业IT的关注议题正历经多种转变。关于公有云与本地部署的选择,传统与现代工作负载的权衡,已不再是关注的重点。如何以更高效、更一致的方式管理多样化的环境和应用类型,才是企业面临的真正挑战所在。这种对统一策略的迫切需求,也推动企业IT进入全新的发展阶段。
基于企业对多样化IT资产进行无缝集成管理的现实需求,Microsoft Azure Local应运而生,通过将Azure扩展至企业自有基础结构,使现代和传统应用程序能够在分布式地点本地执行。顺应这一趋势,戴尔科技与Microsoft持续深化合作,覆盖设备协同开发与高性能外部存储方案等多个领域,旨在助力企业依托Azure Local轻松构建灵活且高性能的混合云架构,同时享受统一、简洁的管理体验。
戴尔科技携手Microsoft打造混合云环境专属解决方案的历程,始于一款专为Azure Local设计的混合云基础架构——AX System for Azure Local,该架构在市场中得到广泛部署,为企业带来了简洁、统一的管理体验。此后,双方进一步推出了搭载PowerFlex的AX System for Azure Local,这也是首个支持外部存储的Dell Premier解决方案,在延续统一管理体验的基础上,进一步提升系统性能,并可实现独立扩展。
在此次合作中,戴尔科技将旗舰级企业全闪存储平台Dell PowerStore扩展至Azure Local环境。该平台凭借始终在线的数据缩减保障、卓越的NVMe性能表现,以及高度灵活的架构设计,可为企业解锁更卓越的灵活性、更强劲的性能与更显著的成本效益。此次集成不仅体现了双方的技术协作成果,更彰显了戴尔科技与Microsoft共同助力企业应对现代IT挑战的坚定承诺。
通过新增Azure Local支持,PowerStore可为企业用户提供以下核心价值:
得益于对传统及现代工作负载的全面处理能力,Dell PowerStore实现了对Azure Local功能的有效补充,确保企业在推进IT环境现代化的进程中,无需在性能、灵活性或管理体验上做出妥协。
Dell PowerScale for Azure新登场,破解复杂云端管理
“现代化数据解决方案”层出不穷,令企业眼花缭乱。然而,在解决方案部署过程中,企业却屡屡遇到扩展、集成障碍等复杂问题,严重制约了业务响应速度与持续创新能力。面对这些阻力,企业对基础架构的核心需求非常明确:他们需要实现本地与云端环境的无缝融合、拥有值得信赖的安全保障,并构建能够随业务发展不断演进的灵活架构。
为此,戴尔科技与Microsoft联合推出可完全托管的企业级文件存储解决方案——Dell PowerScale for Azure,旨在帮助企业简化对数据密集型应用与现代工作负载的管理。通过提供与Azure生态深度集成的原生托管服务,PowerScale显著提升了跨本地及云端环境的非结构化数据管理效率,并以卓越的可扩展性、强大的安全保障与弹性灵活的存储架构,助力企业专注创新发展,加速实现战略目标。
此外,戴尔科技还提供涵盖部署、更新与持续运维支持的全生命周期服务,确保企业数据始终安全可靠,并可高效访问,为企业未来发展奠定基础。这一方案深度融合了戴尔科技在存储领域的专业积淀与Azure云基础架构的强大优势,为企业释放数据潜能提供了可靠支撑。
Dell PowerProtect备份服务再升级,Microsoft生态数据安全与网络弹性收获全面保障
在此次更新中,戴尔科技同步推出Dell PowerProtect备份服务的多项升级。该备份即服务(backup-as-a-service)解决方案构建于Azure基础架构之上,能够为混合工作负载提供无缝保护,帮助企业打造更智能、更简化、更具可扩展性的网络弹性实力。
通过与Microsoft持续合作,戴尔科技帮助企业跨任意云环境实现对多样化工作负载的全面保护,借助集成解决方案有效简化管理,并进一步提升Azure与Azure Local环境中的网络弹性水平。在戴尔科技网络弹性解决方案的助力下,企业可收获以下优势:
在现代化转型持续深化的当下,戴尔科技与Microsoft的合作为企业级客户筑牢了坚实技术底座。从革新混合云管理体验,到升级数据管理效率与网络弹性水平,双方正携手助力企业打造更敏捷、更安全、更具弹性的核心竞争力,以技术创新为业务增长注入持久动力。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。