ZD至顶网CIO与应用频道 02月01日 北京消息:全球领先的信息技术研究和顾问公司Gartner表示,公有云如今具备可扩展性、计算威力、海量存储和安全性,可打造更好的政府数字化平台并满足对业绩和价值不断增长的期望值。
Gartner预计到2018年,提升的安全性将取代成本节约和敏捷性成为政府部门在其权限内采用公有云的首要动力。
Gartner研究总监Neville Cannon表示:“诸如亚马逊云服务(AWS)、微软和谷歌等众多云服务厂商都注入巨额投资将高级别安全性融入各自的产品中,以确保它们的数据更加安全。许多此类厂商都有能力投入巨额资金,这些资金远超大多数国家可以承担的费用,更勿论一般政府部门了。”
然而,Cannon指出困难依然存在,民族主义和对于数据主权的担忧将阻碍盈利的进程,而且由于政府部门深信在其管辖内的数据才更安全,因此成本节约和灵活性仅列为次要考虑因素。
随着云服务日益普及,加之基于对相关风险的分析、厂商能力以及所选择的数据保护技术,公共部门的首席信息官应该寻求采用公有云来保存公共的和中低级别的敏感数据。
Gartner针对政府部门的其他预测包括:
至2018年,虚拟个人助理将在政府联络中心提供超过50%的一线支持服务。
Gartner研究总监Rick Howard认为:“为了提高工作效率、优化业务成果,政府部门正在尝试诸如虚拟助理(virtual assistants)等智能机器技术,为一线业务提供服务。认知学习和自然语言处理(natural-language processing)技术方面的显著进展,已形成产业和市场,政府部门的首席信息官们也因此将其纳入技术发展路线。
部署虚拟个人助理来执行诸如一线支持服务或索赔处理等低层次业务功能,便于政府工作人员把工作重心转向案例管理和项目评估等更高附加值的业务。政府部门的首席信息官应与项目经理一同合作为智能机器技术开发更多业务用途,为取得预期业务成果创造合适的场景条件。”
至2018年,超过25%的政府部门将采用“带来你自己的算法”(BYO算法)策略来推动以劳动力为主的创新。
Gartner认为不断完善的自我服务数据发现、商业智能/分析工具以及“消费型”数字工作环境将促使政府部门主动寻找那些愿意将自主知识产权引入实际工作的人才。
下一代(智能)数据发现工具和功能将使高级分析(advanced analytics)中得到的洞见更容易让商业用户或公民数据科学家获取访问。Gartner认为政府工作人员及其组织机构的工作绩效将由他们采用的独特方法和算法来决定,而这些方法和算法将把数据转化为高效率和高效益的行动。
Howard先生认为:“政府部门制定与应用‘BYO算法’的策略将有助于化解公共机构在招募顶尖人才过程中经常遇到的竞争劣势。通过这种方式,员工可以利用自我掌控的数字工具取得个人成功,而政府部门也将从中获益匪浅。”
如需了解详细分析,敬请查看完整报告《2016年展望:政府将继续适应数字时代》(Predicts 2016: Government Continues to Adapt to the Digital Era)。该研究报告是Gartner专题报告《2016年展望:运算法则将数字业务推向新高度》(Predicts 2016: Algorithms Take Digital Business to the Next Level)的一部分。该专题报告共包含85份相关报告,聚焦能够帮助企业塑造数字化未来的重要预测及行动。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。