数据编排器 Arcitecta与 Wasabi合作，使组织能够无缝、透明地将 Wasabi 的云存储集成到其工作流程中。Arcitecta 的数据管理平台使组织能够在多个环境中利用其所有数据。其旗舰产品 Mediaflux 充当网关，允许用户通过一个统一的视图访问 Wasabi 云存储及其所有数据，无论数据位于何处。
Catalogic 的 CloudCasa Kubernetes 备份和管理业务宣布扩大对开源虚拟化平台 KubeVat 的支持，该平台支持将虚拟机 (VM) 作为 Kubernetes 原生资源进行管理。此集成允许用户在混合环境中管理 VM 和容器化工作负载的备份和还原。
Cloudera 在巴黎EVOLVE24推出了适用于 Cloudera AI 的 Cloudera Copilot。它使企业能够更快地将可信数据、分析和 AI 应用程序投入生产。Cloudera Copilot 可帮助用户编写高质量、一致的代码：
自动代码生成、数据转换和故障排除。
跨语言、库和工作流程的可靠编码帮助。
洞察和按需指导，以保持高编码标准并最大限度地减少错误。
Cloudera 宣布达成收购数据沿袭和目录平台 Octopai 的最终协议。Octopai 的数据沿袭、发现、编目、映射和影响分析自动化解决方案补充了 Cloudera 的数据架构战略。借助 Octopai 的元数据管理和多维数据沿袭，Cloudera 客户可以跨不同的数据环境获得可见性，使可信数据能够为 AI、预测分析和其他决策工具提供支持。客户还可以获得增强的数据可发现性、数据质量、数据管理和迁移帮助。
总部位于纽约的企业数据管理初创公司 Conduktor 在 B 轮融资中筹集了 3000 万美元，以发展其实时数据流业务。由 RTP Global 领投的本轮融资将加速这家初创公司在美国的扩张和产品开发，以支持数据流和新用例，包括 AI。其可扩展框架与 Apache Kafka 以及 Confluent、Amazon MSK 和 Microsoft Azure 等平台集成。Conduktor 的平台被 BMW Group、Capital Group、Flix、SIX Group、DraftKings 和 Lufthansa 等全球组织用于其分布式组织之间的数据流。全球流处理市场预计将从 2023 年的 223.4 亿美元增长到 2032 年的 1850 亿美元。
云文件服务提供商 CTERA 更新了其 CTERA Global File System 的可视化和分析 CTERA Insight Service，提供下一代数据可观测性。它提供跨边缘位置的端到端可观察性，使组织能够做出数据驱动的决策，从而增强安全性、优化存储并降低成本。新一代 CTERA Insight 使企业能够：
监控活动 – 跨文件管理器和云的文件活动的实时控制面板可视化，提供精细的详细信息和性能指标。
发现使用情况 – 客户可以全面了解存储使用情况、文件类型、访问分配和所有权，使最终用户能够确定存储优化的机会，更好地预测容量需求并保持合规性。
调查安全事件 – CTERA Insight 提供长期审计日志记录，支持详细的筛选和活动取证以及对可疑行为的深入调查，从而帮助在整个组织中实施安全措施。
为 AI 管理数据集 – 企业可以从大量非结构化数据中识别和优化高质量的数据集，以推进大型语言模型 (LLM) 和机器学习 (ML) 计划。
数据核心Software 的年度 2024 年存储状况调查显示：
数据存储能力差距和管理障碍 – 超过一半 (54%) 的受访者表示，他们更愿意将组织的数据保存在本地数据中心的中心和/或分散在分布式设施中。
缺乏基本的存储功能 – 90% 的受访者表示，他们当前的存储基础设施缺少关键功能，并详细说明了最紧迫的差距是高可用性 (26%)、足够的存储性能 (25%) 和防篡改数据保护 (23%)。
人工智能在组织内使用的影响 – 目前，57% 的受访组织(美国为 69%)在内部使用 AI。使用 AI 的主要内部部门是 IT (60%)、营销 (37%) 和客户服务 (30%)。然而，只有 27% 的受访者表示他们“非常有信心”他们目前的数据管理和存储可以处理 AI 工作负载，其余 73% 的受访者表示他们的信心水平在“中等自信和完全没有信心”之间滑动。
AI 的使用在不确定性中增长 – 超过一半的受访者表示在其组织内使用 AI，但近 73% 的受访者不确定他们的基础设施是否能够应对 AI 的当前影响，更不用说未来的影响，因为 58% 的受访者预计未来 AI 的采用率会增加。
数据存储管理中的 AI 功能 – 观众被问及他们打算(当前和未来)直接在其存储基础设施中部署 AI，69% 的人对此感兴趣，AI 希望在塑造存储效率和性能方面发挥越来越重要的作用。引用了在数据存储中实现 AI 功能的多个驱动因素。大多数受访者提到了重复存储任务的自动化 (43%)、智能存储操作 (43%)、更高效的空间管理 (39%) 以及确定成本节约潜力 (38%)。存储中的 AI 有望简化复杂操作，优化资源使用，并使组织能够以更高的敏捷性和精度满足性能需求。
