ZD至顶网CIO与应用频道 03月09日 北京消息:全球领先的信息技术研究和顾问公司Gartner所开展的“2016年首席信息官议程”(2016 CIO Agenda)调查结果显示,尽管数字化转型对全球各企业机构带来了巨大影响,但政府部门的数字化转型仍处于萌芽阶段。
分析、基础架构与云计算仍将是政府部门首席信息官的三大首要技术重点,但技术人员匮乏与僵化的机构文化是阻碍其实施数字化重大举措的主要因素。
“2016年首席信息官议程”调查针对首要数字化业务机遇、威胁与战略等问题,询问了全球2944名首席信息官,其中包括379名政府部门首席信息官。关于政府部门的调查数据显示,利用数字化技术改变传统运营和服务模式已日益成为许多执政领导和公职人员的首要工作议题。
Gartner研究副总裁Rick Howard表示:“政府机构需要历届领导层的持续关注和长期投入,才能从系统或流程驱动型业务模式向数字生态系统内平台运营的转型过程中,逐步收获不断累积的变革效益。为此,政府部门必须具备更好的继任管理实践和行为。拓展数字化能力的进程绝不能因领导层的变更而放缓或戛然而止。愿景的连续性是充分利用以往政府技术投资的关键。”
业务流程变革势在必行
据政府部门首席信息官估计,44%的业务流程正在经历数字化变革,并且这一数字将在两年内增至62%,五年内达到80%。无论政府部门首席信息官是否只是追求一时的策略性胜利,还是按照企业数字化业务战略稳步推进,此次调查显示出他们均认同目前和未来业务流程的重大数字化变革势在必行。
Howard先生表示:“随着业务流程变革的如期而至,首席信息官们正面临无法紧跟IT创新步伐的巨大风险。如果IT预算压力加大,加之各业务部门级IT或影子IT未得到战略性协调与管理,那么该风险将在今后五年内进一步恶化。”
IT支出保持平稳
本次调查指出近40%的政府部门首席信息官认为2016年IT项目的预算会有所增长;44%表示未发生变化;只有17%的首席信息官表示预算有所下降——主要存在于联邦和防御机构。尽管预算持平或有所增长,财务约束政策似乎导致了政府部门向数字化业务转型的步伐放缓。加之经济不确定性加剧,政府部门在2016年的整体IT预算预计不太可能像过去三年一样保持稳定或增长。
IT运营实践发生变化
在“2016年首席信息官议程”调查中,政府部门首席信息官们指出双模IT普及率为34%,稍低于私人行业(38%)。此外,这两个部门另有26%的首席信息官计划在今后三年内部署双模IT。调查数据显示,政府部门首席信息官仍重点关注速度(更快地交付可预期的工作),而非引领探索和创新。
Howard先生认为:“例如众包、与初创公司或中小企业合作、多学科团队、敏捷方法、双模亚文化群以及自适应采购等的双模实践的迅速采纳对于政府部门的首席信息官而言非常必要。”
2016年技术重点
政府部门对新技术的支出偏好表明商业智能与分析仍是其重点关注项目,云技术依然势头强劲。基础架构与数据中心的投入仍然居高不下,尤其在北美地区,构建云服务是首要的投资重点。
Howard先生表示:“政府部门首席信息官正在从所有者和运营者向云技术与服务实践者转变,随着政府机构摒弃以往只提供非敏感数据的公共网站或业务服务,转而采用监管严格且具有敏感数据的应用,上述转变将愈加明显。”
表1. 2016年政府部门与全球各行业的技术重点对比一览表
|
政府部门 |
各行业 |
|
|
商业智能与分析 |
1 |
1 |
|
云 |
2 |
3 |
|
基础架构与数据中心 |
3 |
2 |
|
移动 |
4 |
6 |
|
安全性 |
5 |
7 |
|
旧资产现代化 |
6 |
9 |
|
数字化 |
7 |
5 |
|
网络、语音与数据通信 |
8 |
8 |
|
ERP |
9 |
4 |
|
具体行业应用 |
10 |
10 |
资料来源:Gartner(2016年3月)
根据“2016年首席信息官议程”调查数据,相比北美地区,亚太以及欧洲、中东与非洲地区的首席信息官更加优先考虑数字化。这反映出长年实施的全国电子政务与数字化政府项目正日臻成熟,且在亚太和中东地区尤为明显。
欲了解分析详情,Gartner客户可参阅报告《2016年首席信息官议程:政府部门观点》(2016 CIO Agenda: A Government Perspective)。
好文章,需要你的鼓励
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
这项由ETH苏黎世等机构发表的突破性研究首次系统性揭示了优化器选择对AI模型量化性能的重大影响。研究团队发现传统的异常值理论完全失效,并开发了革命性的ABC分解框架来准确预测量化后性能。实验证明Shampoo优化器在量化场景下表现最优,该发现为AI模型的实际部署提供了重要指导,有望让AI技术在资源受限设备上发挥更大作用。