根据云文件服务公司CTERA发布的《2025年数据与云战略现状调查报告》,在过去两年中遭受勒索软件感染的企业中,83%成功恢复,仅有17%遭受永久性数据丢失。
CTERA调查了来自美国、欧洲、中东、非洲和亚太地区300名高级IT和安全负责人,这些受访者均来自员工超过2500人的公司,涵盖多个行业。所有受调查企业在过去两年中都报告了勒索软件攻击,其中83%的企业成功恢复。
CTERA营销高级副总裁Cheryle Cushion表示:"我们的研究发现,80%的领导者将安全作为2025年的首要关注点。他们的担忧是有道理的。每个调查受访者都表示其公司在过去两年中经历过勒索软件攻击,造成的损害是巨大的。"
值得注意的是,只有10%的企业支付了赎金,远低于普遍认知。调查发现,高级领导者对数据恢复结果更有信心,C级高管中没有人报告支付过赎金。
调查考察了IT负责人对四个业务目标的重视程度:80%的受访者表示网络安全是高优先级,61%提到成本优化,57%专注于战略性AI,54%表示数据增长管理是高优先级。
尽管AI在优先级列表中排第三,但98%的受访者正在部署大语言模型和基于AI的工具。当被问及原因时,64%表示是为了改善客户体验,同样比例的受访者提到增强预测智能,53%的目标是提高查询准确性,10%希望弥补技能差距。大多数企业使用AI来提高现有员工的效率,而不是培训初级员工。
70%的受访者表示部分部署了AI助手,27%处于试点/测试阶段。在实施AI的企业中,67%认为合规和监管是一个重大关切,57%关注安全风险,45%认为数据孤岛限制了数据访问,44%担心实施和维护成本。
从公有云的迁移趋势并不明显,61%的企业报告采用云优先战略而非私有数据中心。CTERA发现,26%的C级高管强烈优先考虑云,而副总裁中只有11%,董事中只有9%。也许更注重运营的高管更了解云成本。
报告指出:"组织从向云文件存储的转移中看到了明确的价值。每个受访者都报告了至少一项好处。最常提到的优势包括改善协作(57%)、提高可用性和正常运行时间(48%),以及与其他平台的更广泛集成(37%)。"
CTERA关注的是其云文件服务软件的安全性,并在客户的AI活动中得到使用。Cushion表示:"企业正在应对不断发展的IT优先级环境,努力平衡即时网络安全需求与前瞻性AI战略。CTERA的智能数据平台为强大的勒索软件恢复能力、简化的云存储部署和无缝云迁移提供了路径,与战略领导优先级和运营执行保持一致。"
Q&A
Q1:CTERA调查显示企业从勒索软件攻击中的恢复情况如何?
A:根据CTERA的调查,在过去两年中遭受勒索软件攻击的企业中,83%成功恢复,仅有17%遭受永久性数据丢失。值得注意的是,只有10%的企业支付了赎金,远低于普遍认知,高级领导者对数据恢复更有信心。
Q2:企业在2025年的IT优先级是什么?
A:调查显示,80%的IT负责人将网络安全列为高优先级,61%关注成本优化,57%专注于战略性AI,54%重视数据增长管理。尽管AI排第三,但98%的受访者正在部署大语言模型和AI工具来改善客户体验和增强预测智能。
Q3:企业在AI实施过程中面临哪些主要挑战?
A:在实施AI的企业中,67%认为合规和监管是重大关切,57%担心安全风险,45%认为数据孤岛限制了数据访问,44%担心实施和维护成本。目前70%的企业部分部署了AI助手,27%处于试点测试阶段。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
Google DeepMind团队发布了EmbeddingGemma,这是一个仅有3.08亿参数的轻量级文本理解模型,却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一,支持250多种语言,特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术,实现了性能与效率的完美平衡,为AI技术普及化开辟了新路径。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
日本奈良先端科学技术大学等机构首次深入研究AI编程工具Claude Code在真实开源项目中的表现。通过分析567个代码贡献,发现83.8%被成功接受,54.9%无需修改直接使用。AI擅长重构、测试和文档工作,但需要人工修正bug处理、代码风格等问题。研究揭示了AI编程工具的实际能力边界和改进方向。