至顶网网络与安全频道 03月30日 综合消息:3月30日,北京指掌易科技有限公司(以下简称:指掌易),对外宣布完成B+轮亿级融资。本轮融资由秋石资本旗下基金领投,该基金专注于互联网及IT产业投资。秋石资本目前还管理多支并购和定增基金,在海外并购及上市公司重组方面经验丰富,累计管理规模逾40亿元。随着本次B+轮融资的注入,指掌易将持续加强公司团队建设,包括研发、营销、服务体系,更精细地打磨产品,为用户提供更优质的产品和服务。
近年来,随着移动互联网、大数据、云计算、5G等快速发展,移动安全市场前景广阔。指掌易因专业的研发实力,和贴合用户业务需求的创新型解决方案,备受资本青睐。此前,指掌易于2018年底完成高成资本领投的B轮融资。截至目前,指掌易累计获得超过5亿元人民币融资。
作为移动业务安全专家,指掌易专注于移动业务安全领域,为政企用户提供一站式移动业务安全整体解决方案。2018年,指掌易在行业内率先提出了“移动业务安全框架(SAME,Secured Architecture for Mobile Enterprise)”理念。在该框架理念指导下,自主研发了移动业务智能安全平台(MBS,Mobile Business Smart-security Platform),与各行业移动业务场景的需求相结合,充分保护用户个人隐私的同时,为用户业务数据提供全方位的防护,并在安全、效率和易用性三者之间取得良好的平衡。该平台有效帮助政企用户安全、合规开展业务,对数据进行可视化呈现,提升安全运维效率。
指掌易创始人王伟表示,“指掌易作为一家技术驱动型高新技术企业,拥有自主研发的核心底层技术。自成立到现在的定位和目标一直比较坚定,专注于为政企用户提供安全服务,安全赋能业务移动化。移动化作为数字化转型的必经阶段,尤其是今年年初的疫情,更让社会各界切实体会到移动办公带来的价值。非常荣幸,在这个特殊的时期,仍能够得到秋石资本的认可和支持。未来指掌易会继续加大在技术研发的投入力度,与行业伙伴一起,为用户提供更加专业的产品和服务,促进我国网络安全产业升级发展。“
秋石资本创始合伙人沈伟表示,“移动互联网已深刻影响着人们的生活习惯和工作方式,在企业数字化转型背景下,员工自带设备(BYOD,Bring Your Own Device)逐渐成为主流趋势,移动化已经从常见办公场景渗透到核心业务场景,移动业务安全需求日益提高。国内企业服务市场开始进入快速发展期,指掌易基于自主研发技术,服务多行业多场景快速落地,可以满足政企移动化过程中多种安全需求。作为本次融资的领投方,秋石资本关注企业服务市场成长期投资机会,高度认可指掌易的安全理念和管理团队,相信随着5G商用推进和物联网发展,指掌易在移动安全市场能够继续保持领先优势、大有可为。”
2019年资本市场不断降温,而指掌易能够在短期内顺利完成本轮融资,不但得益于领先行业的技术方案,更是金融、运营商、制造、军队、政府、物流、大型互联网等行业领域标杆客户的认可。截至目前,凭借专业的产品和优质的服务,指掌易已成功服务中国平安、广东农信、海南农信、苏州银行、重庆银行、西安银行;新疆电信、江苏电信;京东方、友达光电;万科集团、伊利集团、上汽集团、五粮液集团、圆通速递、东方航空、滴滴出行等近千家行业客户。
在本轮融资之后,指掌易将持续加强产品研发和技术创新的投入,精细化打造产品矩阵,为用户提供更加完整且专业的产品和解决方案。同时,也将进一步拓展完善营销以及服务体系,快速响应客户需求,为用户提供高效、专业地本地化服务支持。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。