ZD至顶网CIO与应用频道 02月14日 人物访谈(文/王聪彬):我们说无数字化无未来,数字化经济能够让企业的业务流程更灵活、更敏捷,达到中长期设定的目标。Gartner把数字化的业务定义为人、物、事全部的互联,这是未来所有数字化业务的一个基础。
在数字化的基础上我们要好好谈一谈“交付”,交付是生活中无时无刻不在发生的一件事,尤其在ICT领域新型的交付模式越来越多的出现,云计算、O2O、移动、社交等等。
Gartner对2016年新型交付模式进行了预测,众包、智能机器成为数字化商务的重要组成部分、BAT将主导政府数字化接入通道,在中国提供公共服务。在交付这件事上很多新的元素与之融合,这也随之引发了中国数字业务的一连串变化,并且在未来3-5年内都将成为持续的趋势。
众包与ICT领域的结合
ICT运营了这么多年,未来在运营模式上将会发生一些变化,更多采取众包形式来解决人才流动、人力成本上升等问题。Gartner预计到2019年,众包将创造10万个IT就业机会,缓解职场人才流动率高的压力。
说到众包,很多人会联想到共享经济,其实两者并不尽相同,共享经济的关注点在于对资产的分享,像Uber、Airbnb是共享私人的资源来作为一种运营模式。
众包则强调群策群力,用许多人的力量去解决一个问题,每个人贡献一些想法或完成一些任务。Gartner将众包定义为通过网络与社会化协作技术将大型工作或艰巨任务发包给遍布各地的众多参与者。
说了这么多概念,对于IT领域而言,Gartner公司研究总监汤彤妹(Tina Tang)认为众包将改革中国的IT服务市场,成为IT服务商寻求能够应对重要项目资源挑战的新方法。
Gartner公司研究总监汤彤妹(Tina Tang)
众包平台的出现可以为客户提供与社交、移动、分析、云服务相关的外包工作,并利用众包技术将大型工作分解为子任务,通过平台转包给其他公司。
众包平台未来并不会无休止的产生,因为其会受限于规模经济,具有集体属性,在平台上的项目,承接方可能是个人,也可能是社群或组织,平台并不产生任何价值们只是将人组织起来变成社区,社区里有共同的特点。
智能机器与电商的结合
谈到智能机器我们首先会想到很多科幻大片的场景,但智能机器其实离我们很近,尤其在消费端和电商将发生一些变化,让线上购物下单的过程越来越自动化智能化,甚至由智能机器来帮助操作。
Gartner预计中国到2020年由智能机器进行购买的交易金额将占数字商务交易金额的5%,而且智能机器不仅融入客户生活,还学习主人的行为与偏好,部分智能机器将代表主人进行决策,并成为数字商务客户。
智能机器成为数字商业客户的三个阶段:
1、人类客户向智能机器发出指令下单,例如Amazon Echo
2、智能机器学习更多关于主人日常活动与行为的内容,根据主人的预先授权或者购物历史自动购物。
3、智能机器收集场景信息,预测主人的需求,并自主做出购买决定。但是主人仍可选择介入。
Gartner公司研究总监沈哲怡(Sandy Shen)提到,最开始智能机器上会有一些物理按钮来进行下单,之后通过API的开放,内置到智能机器上,只要当消耗品达到设定的触发点就会进行下单购买,这就是智能机器在设定条件下进行购物。
Gartner公司研究总监沈哲怡(Sandy Shen)
当然到最后的阶段,智能机器可能会独立操作,不需要人工控制或设定条件。通过大数据分析判断出主人的消费模式,自主的帮助采购一些东西。
这是B2C交易再来看看B2B交易,以政府举例,在消耗品上供应商可以根据以往订货来推测采购周期,在固定资产上短期内还会沿用传统的招投标方式,未来有可能会通过智能机器去估算需要采购设备的类型、数量之后,再去向供应商进行购买。
B2B交易在后台也需要更多智能,沈哲怡强调,B2B订单不同于消费者订单,订单的货品数量种类更多,可能在不同仓库,不同的供应商供应。所以如何把一个订单,拆分成不同的订单,通过不同的运送方式组合,最终送达到客户手中还需要后台一套复杂的算法去控制。
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。