首页 文章 精选 留言 我的

精选列表

搜索[最大转化投放],共10000篇文章
优秀的个人博客,低调大师

Veeam 正式发布2020年数据保护趋势报告:缺少IT技能仍然是数字化转型的最大挑战

随着企业数字化转型进程的加快,数据保护成为摆在企业面前主要挑战。在近日Veeam发布的《Veeam 2020年数据保护趋势报告》显示,几乎每家企业都承认曾经历过停机,每年每10台服务器中就有1台发生了意外停机,每次停机持续数小时且耗资数十万美元。 Veeam 中国区总经理张弘在接受记者采访时表示,Veeam通过对全世界1500多家企业进行调研发现,全球近一半的企业在数字化转型过程中因采用不可靠的传统技术而受到阻碍,其中44%的受访者缺乏IT技能或专业知识,这表明企业迫切需要现代化数据保护方案并专注于业务连续性以实现数字化转型。 Veeam 中国区总经理张弘 从物理机到云计算,数据保护形势严峻 《Veeam 2020年数据保护趋势报告》中显示,40%的企业仍然依靠传统系统来保护其数据,而且没有充分意识到这可能会对他们的业务产生负面影响。95%的企业曾遭受意外停机,平均停机时间为117分钟(近两小时)。 随着云计算成为IT发展的重要趋势,从物理机到虚拟机再到云计算,数据保护面临的形势将更加严峻。报告显示,在企业业务上云之后,用户更关注可用性,全球73%的用户认为RTO离期望值差距巨大,中国96%的受访者认为没有充分保证RTO要求。在RPO的调查中,全球69%的用户,觉得我们的RPO的保护和期望有差距。而在中国也是非常明显,93%的用户觉得RPO等级的水平和实际还是有巨大的差距。 报告中提到,之所以数据保护面临着巨大的挑战,主要是由于缺乏专业人员、预算不足、运营绩效缺乏可见性,分为占到了42%、40%、35%,位列前三位。中国受访者反馈,缺乏使用现有基础架构支持DevOps或AppDev的能力、预算不足、缺乏专业人员,分别以26%、24%、21%位列前三位。 此外,《Veeam 2020年数据保护趋势报告》还对2020年面临的数据保护挑战进行了调研。数据显示,网络威胁、缺乏技术实施技能、满足不了变化的客户需求以32%、30%、29%排在全球受访者的TOP3,中国受访者面临的前三位挑战分别为:网络威胁(42%)、组织领导者不确定或者不支持数字化转型(39%)、缺乏技术实施技能(38%)。 张弘表示,由于硬件和软件错误、勒索软件和网络威胁等等,因此数据备份已经成为数据保护的可行策略,尤其是云计算时代,数据保护方式被改变,加之企业对于传统系统的依赖和缺乏IT技能等,因此数据保护还将面临着巨大的挑战。 以简单、灵活、可靠解决方案,破解数据保护难题 面对《Veeam 2020年数据保护趋势报告》中提到的各种难题,Veeam于今年初正式发布了Veeam Availability Suite v10,面向企业在混合多云时代的数据管理和数据保护难题,提供了简单、灵活和可靠的解决方案。 新一代v10解决方案给用户带来了三大价值:一是帮助所有的应用都准备了数据,无论是在本地私有云还是公有云中的数据,能够更好地确保数据的可用性。二是强化了对于数据灵活性的安排,真正把数据内在价值释放出来,帮助用户做好创新。三是通过数据重用,利用现存的备份数据基础架构等,在不需要增加额外成本的情况之下,实现了更多业务的创新和加速。 此外,在VeeamAvailability Suite v10中,内置了智能可视性操作,具备可验证的100%的恢复能力和可扩展体系结构;采用软件定义架构,与硬件无任何关联性,保证了数据的重用和利用云就绪;采用了便携式的数据格式,有力的支持即时恢复。 张弘表示,Veeam云数据管理解决方案等现代保护措施已经远远超越了备份,提供了一种简单、灵活和可靠的解决方案,可以节省成本和资源,以便将它们重新用于未来的开发。数据保护不能再局限于本地、物理专用环境,企业必须拥有灵活的许可选项,才能轻松地迁移到混合云和多云环境。 张弘告诉记者,在数据管理和保护方面,数据长期保留、数据合规性、重新利用数据这三个方面始终都是Veeam在产品发展策略上的方向。他强调,数字化转型还需要假以时日,还有很多工作需要做,包括如何更多地帮助用户解决调查报告中所提到的技能、人员、依赖传统技术、资源等问题。而在这些层面上,Veeam始终保持着产品的持续研发和创新,不断推出好的产品和解决方案来帮助用户解决问题,加速推动数字化转型。 【责任编辑: 张诚 TEL:(010)68476606】

优秀的个人博客,低调大师

CV+圆桌对话:算法不是唯一考量,创业公司的商业闭环才是最大难点 | CCF-GAIR 2017

7 月 9 日下午,由中国计算机学会(CCF)主办,雷锋网与香港中文大学(深圳)承办的第二届CCF-GAIR全球人工智能与机器人峰会,进行到最后一天,CV+专场的圆桌论坛作为本次大会的最后一个议程顺利进行。圆桌讨论的主题是,计算机视觉渗透生活。本次圆桌由微软亚洲研究院资深研究员梅涛博士担任主持人,他幽默但犀利的主持风格博得现场阵阵掌声。 参与本次圆桌的五位圆桌嘉宾包括:中科院计算所研究员、中科视拓董事长兼 CTO 山世光、阅面科技 CEO 赵京雷、图麟科技 CEO 魏京京、瑞为智能 CEO 詹东晖以及臻识科技 CEO 任鹏。 虽然大会已经接近尾声,但现场依然座无虚席,观众们也幸运地看到了六位大牛时而轻松愉快、时而严肃认真的讨论。 雷锋网(公众号:雷锋网)整理了本次圆桌的讨论全文。 梅涛:今天我们圆桌的主题是「计算机视觉渗透生活」。为什

优秀的个人博客,低调大师

【实战评测】华为云码道多模态内容理解能力:文档及图片解析准确率最大超90%

摘要:在 AI 编码助手场景中,用户频繁上传 Word、PPT、Excel、PDF、UI 设计稿、代码截图、架构图等多模态内容,期望助手能够一次性理解文档结构与图片内容并直接生成对应代码。传统方案依赖 LLM(大语言模型)自主决定何时解析、逐张询问图片、手动安装依赖,存在理解维度单一、大文件内存爆炸、决策延迟高、结果不可靠等局限。本文介绍 华为云码道CodeArts代码智能体多模态内容理解能力——基于一次性提取与即时分析的确定性架构,通过注入驱动与场景规则引擎,实现九种文档格式与多类图片场景的精准解析与代码生成。实际评测,文档解析四维度准确率均超 90%,图片理解生成速度提升 48%~70%。 一、AI 编码助手多模态内容能力现状与挑战 传统 AI 编码助手处理多模态内容遵循逐项询问范式:用户上传文档或图片 → LLM 自主决定是否解析 → 调用解析工具 → 仅提取文本 → 遇到图片再逐张询问 → 用户反复补充上下文。该流程在实际工程中暴露出三个核心缺陷: 理解割裂。文档的文本、结构、图片往往承载互补信息——图表说明趋势、表格承载数据、截图佐证结论。传统方案仅提取文本而忽略图片,或将图片留待用户逐个询问,导致 LLM 拿到的只是"半份文档",基于残缺信息回答问题。 决策冗余。图片是否存在、是否需要分析,本质上属于确定性判断——有图片即应分析,无需 LLM 参与"是否分析"的决策。将确定性逻辑交由概率性模型决策,导致增加 token 消耗。 结果易丢失。当对话上下文被压缩(compaction)或用户触发重试(retry)时,已注入的分析结果可能被截断或丢失,LLM 再次面对无分析结果的裸图片或文档,陷入循环调用。实测表明,即使 VLM(视觉语言模型)分析结果已注入对话上下文,LLM 仍会重复调用分析工具,形成重复调用的无效循环。 上述问题的根源一致:将本应由框架统一处理的文档和图片解析交由 LLM 决策或用户手动承担。 二、多模态理解能力方案设计 2.1 文档增强解析:双阶段架构 文档增强解析采用双阶段架构(Parse → Analyze),其核心原则为:在 LLM 回答问题之前,文档的文本、结构、图片已全部提取完毕,每张图片的内容描述已注入 manifest(解析清单)。 图 1 —传统方案 vs 双阶段架构流程对比 在该架构下,LLM 接收的不是"是否要解析"的决策,而是一份完整的 manifest——包含全文、章节大纲、图片清单及每张图片的一句话描述。LLM 仅负责"基于解析结果回答用户问题",从而消除逐张询问的往返轮次。 manifest 作为唯一事实来源(single source of truth),每次图片分析后立即回写 `analyzed: true` 与 `description` 字段并落盘,确保后续追问、重试、上下文压缩后仍可复用,避免重复分析。 2.2 九种类型,各自分节 图 2 —九种文档类型分节策略示意 不同类型的结构边界截然不同——Word 按标题分节、PPT 按幻灯片分页、Excel 按工作表分表、PDF 按书签或逐页、CSV 整文件一节。若采用统一解析逻辑,要么切分错位(PPT 按标题切丢了一页多图),要么丢失类型特有结构(Excel 的表头与样例行)。 华为云码道CodeArts代码智能体文档增强解析采用九种类型、各自分节的设计。每类文档按自身结构边界切分,并产出类型特有的结构化信息——Word 产出段落数与标题数统计,PPT 产出逐页标题与备注,Excel 产出表名与表头样例行,PDF 产出逐页字符数并标记扫描件。九种类型之外,兜底机制确保非标准格式仍可提取基础文本与结构。 2.3 大小分流:流式按需 图 3 —大小分流与按需分析流程 文档增强解析以 100MB 为阈值分流:小文档走非流式全量预分析图片,大文档走流式逐节按需分析。该策略将"全量预分析"转为"问哪节分析哪节",在保证完整性的前提下显著降低首响延迟与算力浪费。 图 4 —解析PDF 图 5 —根据解析内容实现前端代码功能 典型案例:解析算法PDF,Agent实现代码功能。用户上传"订单模块算法实现.pdf",经文档智能解析后提取出算法设计的基本流程,然后 Agent 基于解析结果直接生成订单模块对应的代码,经人工验证,生成代码满足算法设计文档要求。 2.4 图片增强理解:注入驱动架构 针对图片理解场景,华为云码道CodeArts代码智能体 采用注入驱动(Injection-Driven)架构,其核心原则为:在 LLM 接收消息之前,VLM 已完成图片分析,结构化分析结果已注入消息上下文。 在该架构下,LLM 接收的消息中,图片已被替换为结构化文本分析,无需"决定是否分析",仅负责"基于分析结果回答用户问题",从而消除整个 LLM 决策轮次。该架构经过三重拦截校验——提示、拦截、缓存(per-imageId 结果重注入),在架构上保证 LLM 获取的一定是已含分析结果的消息,而非裸图片。 2.5 多类图片理解场景规则引擎 用户上传图片类型多样(UI 稿、代码截图、架构图、文档扫描件等),统一 prompt 无法兼顾各场景的分析维度需求,导致 VLM 输出宽泛或答非所问。华为云码道CodeArts代码智能体能够按图片类型定制分析策略,使 VLM 在每个场景发挥完整能力。 图 6 —理解模板示意图 华为云码道CodeArts代码智能体图片增强理解采用多场景独立模板设计,每套 prompt 由 systemPrompt、taskTemplate、outputFormat 三部分组成。场景识别通过轻量关键词匹配完成,意图分类为确定性逻辑,均不经 LLM 或概率模型,确保了识别的稳定高效。 图 7 — UI设计稿还原示例(上传截图,输入任务指令) 图 8 — UI设计稿还原示例(Agent 生成的 HTML 页面还原效果展示) 典型案例:UI 设计稿还原。用户上传华为云码道CodeArts代码智能体官网界面截图,输入任务指令要求像素级还原为 HTML 页面——布局、尺寸、间距、颜色、字体严格匹配,文本一模一样,不增不减。系统自动识别"界面"关键词匹配 ui 场景,VLM 基于场景模板输出结构化分析(页面类型、组件树、颜色色值 #1677ff、间距 24px 等),注入 LLM 上下文后直接生成可运行的 HTML代码。 三、实测验证 3.1文档解析评测 图 9 —评测场景覆盖矩阵 为验证文档解析方案效果,构建文档解析穿刺评测(内部评测),覆盖 9 类场景、34 个样本,从四个维度量化评分。场景涵盖 Word PRD 文档、PDF 技术文档、PPT 设计文档、Excel 数据定义文档、Markdown API 文档、损坏 PDF、50MB 过大文档、复杂 Word、中英文混合文档,难度从常规结构化到文件损坏逐级递进。如图 9 所示,评测覆盖 9 类场景。 图 10 —四维度平均准确率 如图 10 所示,四项核心指标均突破 90%,表明双阶段架构在主流文档类型上已具备生产可用水准。文本提取与表格提取表现最为稳健(94.50% / 93.65%),得益于 python-docx、python-pptx、openpyxl 等结构化解析库对 Office 格式的原生支持;结构识别与图片召回略低(90.82% / 92.58%)。 原生结构化格式表现优秀。Markdown 场景四项满分——纯文本格式天然适配逐 Heading 分节,本地/远程图片均可准确定位,无歧义结构,解析零损耗。PPT 场景近满分——python-pptx 逐幻灯片提取,每页标题/文本/备注/图片数完整保留,5 个样本中文本与表格均为 100%。 大文件分流验证有效。52.6MB 文档含 1408 张嵌入图片,全部 100% 召回(数据字节完整无损),1410 个标题全部识别,解析耗时仅 3.56 秒(内部测试环境)。大文件未因体积而牺牲准确率。 3.2 图片理解评测 为验证图片理解方案效果,构建图片理解增强穿刺评测(内部评测),覆盖三类难度递进场景,从六个维度量化评分,并与内部旧方案及业界对比产品横向对比。 图 11 —新旧方案对比 生成速度:三类场景缩短 48%~70%。如图11 所示,注入驱动架构最直接的收益体现在端到端延迟的大幅下降。高难场景提速最为显著(-70%),其原因在于旧方案在高难场景中 LLM 决策轮次更长(需更多 token "理解"复杂图片),新方案直接跳过该环节。图11所示三类场景平均生成时间缩短约 52%,显著提升用户体验。 还原质量:高难场景多项指标优于对比产品。在最具挑战性的高难高保真场景中,新方案在多个维度上优于对比产品。块匹配分数高出约 37 个百分点,表明 VLM 结构化分析(【组件树】、【布局结构】、【间距排版】)使 LLM 生成的代码在 DOM(文档对象模型)结构层面更贴近原图。文本分数高出约 21 个百分点,得益于 VLM 的【文本内容】按区域逐字提取,LLM 无需猜测,可直接还原原文。 结构化输出优势:文本与颜色。文本分数在三类场景中均持平或优于对比产品。普通高保真场景文本分数达 0.9817,接近满分——VLM 的【文本内容】按区域提取所有可见文字,LLM 获取的是精确文本而非 OCR 模糊识别结果。颜色分数在普通和高难场景均优于对比产品(分别高出 6.59 和 14.20 个百分点)。

优秀的个人博客,低调大师

LibreOffice 26.8 首周下载量 103 万次创造新纪录,最大亮点是“没有一个 AI 功能”

1,031,162。这是 LibreOffice 26.8 发布第一周的官网下载量。 The Document Foundation 说这是 LibreOffice 整个历史上最高的首周下载记录。上一个版本 25.8 的首周是 88 万次左右。 这个数字发生在一个所有办公软件都在往 AI 里冲的时间点。Microsoft 365 有 Copilot,Apple iWork 有 Creator Studio,ONLYOFFICE 有 AI agent。LibreOffice 26.8 的更新日志里半个 AI 字眼都没有。 OMG! Ubuntu 写得很直白:"所有这一切,没有一个 AI 功能。" 26.8 真正做了的事情是:新段落排版引擎(更好的两端对齐,减少单词间距不均匀)、改进的 RTL/CJK 文字处理、免打扰的草稿视图模式。这些功能不性感,和"AI 一键生成 PPT"比起来几乎像上个世纪的软件更新。但 103 万人在第一周选择了它。 一个可能的解释是:LibreOffice 的下载量有一部分来自对 AI 办公套件的回避需求。不是每个人都想把自己的文档内容喂给云端模型,也不是每个人都愿意为不再需要的 AI 功能买单。微软 365 Copilot 每月 30 美元,LibreOffice 26.8 免费。 另一个事实是,LibreOffice 26.8 的发布恰逢 8 月 26 日——在北美和欧洲,这是新学年开始前的窗口。学生和教师是 LibreOffice 的核心用户群之一。但这不能解释全部增量:上一版本 25.8 也在 8 月发布的,首周少了 15 万。 The Document Foundation 对移动端的计划也值得注意。他们在 2025 年 7 月宣布了 LibreOffice Viewer 的 Android 端更新,2026 年 2 月发布了基于浏览器 Wasm 的在线协作版本。这些都不是直接的 AI 回应,但它们在扩大用户基数。 如果你把 1,031,162 次下载理解成对反 AI 的投票,那可能过度解读了。但如果你把它理解成"没有 AI 不等于没有竞争力",那这个数字本身就是证据。 参考来源: LibreOffice 26.8 Set a New First-Week Download Record — OMG! Ubuntu

优秀的个人博客,低调大师

Linux 7.0-rc3 发布:本开发周期最大更新之一,x86 修复与驱动调整集中到来

Linus Torvalds 已发布 Linux 7.0-rc3,这是 Linux 7.0 开发周期中的第三个候选版本。本次版本包含大量补丁和修复,被称为“近年来规模较大的 rc3 更新之一”。 与此前的 rc1、rc2 类似,本次更新仍以稳定性修复和细节调整为主,重点集中在 CPU 架构支持、驱动改进以及常规 bug 修复等方面。 1、x86 架构补丁集中合入 本周合入的一批 “x86/urgent” 补丁针对 Intel 和 AMD 处理器进行了多项修复和调整,包括稳定性改进以及架构相关问题的修复。 这些补丁通常用于解决影响面较大的问题,因此会在 rc 阶段优先合并。 2、驱动与平台支持持续完善 Linux 7.0-rc3 同样带来了多项硬件驱动修复,包括 CPU、平台设备和部分子系统的兼容性调整,以提升在不同硬件平台上的稳定性和性能表现。 3、常规 bug 修复与代码清理 和大多数 rc3 版本类似,本次更新仍以修复问题为主,而不是新增功能。主要包括: 内核子系统 bug 修复 稳定性回归问题修复 代码维护与小幅性能调整 这些改动旨在为即将到来的稳定版打磨质量。整体来看,本次更新规模较大,包含大量修复与架构调整,开发节奏仍然十分活跃。稳定版预计将在 2026 年 4 月中旬发布。

优秀的个人博客,低调大师

5G时代到来,未来将迎来3大变局,零售业是最大受益者

5G时代的到来,不但给短视频直播带货,带来了发展机会,同样也会给零售业带来巨大变局。 想要在这个变局中,抓住新的商机,就要读懂这3个核心。 1 目前,大多数人都把5G与短视频、直播带货等社交媒体的发展连接在一起。 其实,这些都是表象,5G真正在社交领域贡献的价值不足20%,其余80%的价值主要表现在产业互联网方面。 因为,虽然5G网络提速了,但在短视频等社交媒体层面,只能改变销售及营销方式。 比如,通过短视频的形式去做内容营销,依托直播的方式去做带货,用社交、社群等方式去做互动交流,这改变的只是前端的销售问题。 那么,在产能过剩的时代,只改变销售方式,决定的只是谁来卖,卖多少的问题。 最终的结果,只会让各个产业进入两极分化的状态,治标不治本。 所以,作为零售业而言,不要把5G作为制胜的法宝。 2 未来想从根本上解决零售业的困局,不仅要用5G技术改变销售方式,也要依托物联网、传感器、AR、VR等技术,构建智慧化购物场景。 同时,要依托数字化经营,打通整个产业链,实现产业互联网。 想实现这个目标,首先要构建立体的销售场景,以短视频、直播在线上的优势引流、营销、销售,以实体店做体验。 在数字化时代,想要提升业绩,就要把线上、线下的公域流量入线上的应用程序,把客户用户化,获取用户的信息及数据。 目的是与用户建立实时连接,了解用户的需求,根据用户的需求做精准营销,定制化生产。 其次,在万物互联网的时代,也能够依托线下物理空间(实体店、体验店、消费者家里),运用物联网、传感器获取用户的定制数据,从零售端打通生产端,实现定制化生产。 例如,我们是做服装的,当客户到店体验消费的时候,可以用智能试衣镜,以物联网及传感器获取用户的定制数据,然后把数据传输到工厂按需生产。 当工厂生产完成后,可以根据用户的要求指定位置。 不过,在这之前零售商家必须要通过合作的方式,把实体店打造成工厂店,或者与工厂达成战略合作联盟,以数字化的方式把零售与生存融为一体。 有了上下游的融合,先有需求,再按需生产,才能从跟不上解决产能过剩与同质化的问题。 当然,在数字化的时代,消费者除了到实体店去体验、满足定制需要,也能够在自己家里,运用AR、VR设备,在虚拟现实场景中购物。 每个用户都可以通过虚拟现实的设备,在零售商家的线上应用程序(线上云店),根据需求选购商品。 从上述内容中可以看出,不论是通过短视频直播,线上商城去消费,还是定制化消费,或者以虚拟现实场景消费,这些都是购物的场景。 想要依托立体的销售场景,满足用户的购物需求,必须要加强后端的建设,以数字化的经营模式,与整个生态融为一体。 3 过去,零售业只需要有货、有渠道、有客户,就能够成功。 而未来,零售业想要生存,不仅要有零售的经营逻辑,也需要与上游、下游融合在一起。 因为,未来所有的产业都将是数字化、生态化的。零售业需要依托应用程序、云计算、物联网、数据中台,实现整个经营流程的数字化。 依托数据做采购、生产、营销、满足消费者多个场景的购物需求。在数字化时代,所有的经济决策,战略布局,都将从老板个人经营为主,变成一切用数据说话。 比如,可以根据终端的销售数据,去分析产品的销售数量、价格、利润,然后根据数据分析,去做采购或者定制化的生产。 在数字化时代,无论生产、零售、物流都需要依托数据作为经营方案,所以零售业需要在数字化的基础上与整个生态无缝对接,才能跟上时代的发展。

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册