数据保护服务商Commvault Systems Inc.近日宣布推出多项全新AI功能,旨在帮助企业在保持对数据、智能体及恢复流程有效管控的同时,更有信心地加速推进AI应用落地。
此次新功能支持企业安全启用AI、发现并治理AI智能体,并在Commvault Cloud平台内构建和管理智能体工作流。
随着各组织持续推进AI部署,如何在推动创新的同时防范敏感数据泄露风险、避免失去对AI智能体的掌控,已成为普遍难题。Commvault援引德勤的调研数据指出,60%的AI决策者将风险与合规顾虑、以及遗留系统的集成问题,列为推进智能体AI落地的主要障碍。
此次发布的三项新功能——Data Activate、AI Protect和AI Studio——专门针对企业在部署AI过程中面临的挑战,帮助团队了解智能体操作变更所带来的影响,在必要时进行回滚,并降低AI应用的整体风险。
Commvault首席执行官Sanjay Mirchandani表示:"每个企业时代都会催生出一套核心记录系统——业务运营有ERP,客户管理有CRM,而现在企业迎来了AI时代的核心系统。如果驱动AI的数据遭到破坏,AI本身也将受到损害;如果数据无法恢复,AI就无从信任。Commvault Cloud正是AI韧性的核心记录系统。"
Data Activate功能允许企业对受保护的备份副本中的数据进行分类与整理,并将经审核通过的数据集转换为Apache Iceberg和Parquet等格式,供大语言模型及AI数据平台使用。该功能可持续发布经过更新和验证的数据集,使AI流程始终与可信数据保持同步。
AI Protect则帮助企业识别风险、评估智能体操作变更的影响范围,对受影响的应用程序进行恢复,并在AI驱动的环境中实现全栈恢复。该功能可自动发现并梳理各环境中的智能体,将其活动映射至所交互的AI技术栈(如向量数据库),并标记高风险行为。一旦发生问题,团队可借助AI Protect快速评估影响,并通过引导式一键完整恢复流程,将受影响的数据、系统和配置还原至已知的正常状态。
AI Studio则赋予企业自主创建和使用智能体的能力,以满足其特定业务需求。该功能内置了面向常见韧性应用场景的智能体资源库,同时支持团队构建自定义智能体,这些智能体可自动、安全地调用Commvault的模型上下文协议服务器,并与其他企业系统进行集成。
Commvault表示,上述三项AI功能协同配合,将帮助团队构建完整的AI韧性生命周期管理能力——从安全激活数据用于AI场景,到跨本地部署、SaaS及混合云环境,为AI智能体提供涵盖发现、治理、保护与恢复的全方位支持。
今年2月,Mirchandani曾接受SiliconANGLE Media旗下直播栏目theCUBE的专访,探讨了在AI驱动系统加速推动数据、应用程序和访问控制领域变革的背景下,Commvault如何重新定义网络韧性。
Q&A
Q1:Commvault的Data Activate功能有什么用?
A:Data Activate允许企业对受保护的备份副本中的数据进行分类和整理,并将审核通过的数据集转换为Apache Iceberg、Parquet等格式,供大语言模型及AI数据平台使用。它能持续发布经过更新和验证的数据集,帮助AI流程始终与可信数据保持同步,从而降低因数据质量问题引发的AI风险。
Q2:AI Protect是如何保护企业AI环境安全的?
A:AI Protect可自动发现并梳理各环境中的AI智能体,将其活动映射至所交互的AI技术栈(如向量数据库),并对高风险行为进行标记预警。当出现问题时,团队可快速评估影响范围,并通过引导式一键恢复流程,将受影响的数据、系统和配置还原至已知的正常状态,实现全栈恢复。
Q3:AI Studio支持企业做哪些自定义操作?
A:AI Studio内置了面向常见韧性场景的智能体资源库,同时支持团队根据自身业务需求构建自定义智能体。这些智能体可自动、安全地调用Commvault的模型上下文协议服务器,并与其他企业系统集成,帮助企业灵活应对多样化的AI部署场景。
好文章,需要你的鼓励
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
谷歌在Android Show发布会上宣布,将Gemini更深度整合至Android系统,推出名为"Gemini Intelligence"的升级功能。该功能可跨应用处理日常任务,包括自动填写表单、安排日程、生成购物清单及自定义小组件等,无需用户频繁切换应用。此外,Gboard新增"Rambler"功能,可自动过滤语音输入中的口误和填充词。Gemini Intelligence将率先登陆三星Galaxy和谷歌Pixel手机,并支持Android Auto、Wear OS及智能眼镜。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。