思杰现代化数字空间解决方案为上汽通用赋能安全、高效的远程办公新体验
在疫情的持续催化下,越来越多的企业将移动或远程办公定位成战略部署的一部分。企业IT部门在这样的形势之下所面临的一个重要问题是:如何在保证企业数据、设备安全的环境中,实现业务的高效运转并提高员工的生产力?中国汽车行业市场的领军者之一上汽通用选择了与思杰合作。
上汽通用使用集成了思杰技术和解决方案的企业远程虚拟化平台,以应对分布式IT与工作模式所带来的挑战。思杰虚拟应用和桌面即服务(Desktop as a Service)解决方案在搭建这一平台过程中扮演着“保驾护航”的重要角色,使上汽通用公司及泛亚汽车技术中心实现了对移动办公和远程协作的全面覆盖。远程虚拟化平台满足了广泛的办公需求,承载了包括汽车设计、IT软件开发以及办公自动化应用和呼叫中心等多条业务线,为2,600个桌面并发用户提供服务。同时,企业员工能够在各个工作渠道、设备、地点高效、安全地维持业务的连续性,享受现代办公协作新体验。
在企业全面实现数字化的过程中,守护好企业数据资产的“安全”是重中之重。首先,思杰解决方案通过将数据存储在数据中心而不是设备上来保护宝贵的数据。正因为如此,重要的信息不可能被破坏、丢失或被盗。其次,思杰虚拟桌面提供对角色挖掘、访问控制以及相关自定义策略的支持。也就是说,通过判断访问用户的角色与对应权限,达到对访问资源数据这一过程的安全控制,使企业安全、合规的要求得到满足,由此提高安全性。其中,Citrix Gateway能够根据用户的位置、风险状况等因素控制会话所使用的认证机制,并支持FIDO2、无密码访问、基于生物识别或OTP的常规认证机制,动态地进行安全策略的部署。通过一系列覆盖从核心应用、办公和后台系统,到移动办公、云就绪桌面和应用的解决方案,上汽通用已经拥有强大的安全保护系统并有能力应对潜在的安全威胁。
在保证安全的基础之上,思杰现代数字化工作空间解决方案能够帮助企业核心业务高效、灵活地进行。在汽车行业的研发项目中,抢占进入市场的先机是至关重要的,这将直接影响到新产品未来的成功或失败。设计和开发工作尤其关键,在分布式办公环境下,企业要避免这样的核心任务停滞运营。疫情期间,上汽通用汽车公司和泛亚汽车公司的工程师首次通过远程办公推行重点项目。事实证明,思杰Citrix Virtual Apps & Desktops(CVAD)解决方案和安全访问控制解决方案彰显出独特的价值,员工们可以随时向同事传达最新的进展,并共同推广创新应用。在“双管齐下“的数字化举措的助力之下,上汽集团通用汽车和泛亚汽车的设计和工程团队的一系列设计研发工作得以高效、灵活并且有条不紊地进行。
不以牺牲员工体验感为代价,思杰为企业和员工打造“双赢”的数字化环境。利用虚拟技术创建的现代数字工作空间能够实现高效的移动和远程协作办公,同时也为员工提供了良好的办公体验。在实践中,虚拟桌面可以通过几个简单的步骤进行配置,使用户可以随时随地轻松工作。为适应员工远程移动办公的场景,平台内还支持不同设备类型的平滑漫游,以保证连续工作的实现。也就是说,用户可以在他们的个人苹果电脑上访问公司标准的Windows系统,或者他们可以在不同类型的设备上(如手机、平板电脑等)灵活安全地按需使用内部应用程序,而切换设备不会造成任何连续服务的中断。
在思杰数字空间解决方案的帮助下,上汽通用迅速升级其IT远程虚拟平台,为特殊时期下的日常办公和管理工作的正常运行打下了坚实的基础。未来,思杰将继续赋能企业的智慧愿景,为更多中国本地企业“保驾护航”,助力他们在智能数字化的道路上“扬帆起航”。
好文章,需要你的鼓励
亚马逊在CES期间宣布推出Alexa.com网站,用户可像使用其他AI聊天机器人一样与Alexa交互。经过数月早期体验,Alexa+已获得数千万用户。新网站支持语音和文本交互,需登录使用以确保跨设备功能连续性。76%的Alexa+交互为独特任务,包括智能家居控制和第三方集成。Alexa+兼容七年来的设备,正式版将收费每月20美元或包含在Prime会员中。
SimWorld是由UCSD等多所顶尖院校联合开发的革命性AI仿真平台,基于虚幻引擎5构建了具备真实物理规律的虚拟城市环境。该平台支持无限扩展的程序化世界生成和自然语言交互,让AI智能体能够在复杂环境中学会生存、合作和竞争,为通用人工智能的发展提供了前所未有的训练平台。
AI笔记公司Plaud在CES 2026推出新款可穿戴设备NotePin S,可夹在衣领、戴在手腕或挂在脖子上记录对话。该设备通过蓝牙连接手机,配备双麦克风,录制范围约3米,支持一键高亮标记重要时刻。同时发布的还有Plaud Desktop桌面AI记录工具,可原生捕获线上会议内容,无需机器人加入通话。两款产品将所有笔记、会议和对话整合到统一平台管理。
浙江大学联合华为提出C2DLM,这是一种因果概念引导的扩散语言模型,通过自动提取因果关系并融入注意力机制来增强AI推理能力。相比传统方法,C2DLM在推理任务上平均提升1.31%-12%,训练效率提高3.2倍,为解决语言模型推理能力不足开辟了新路径。