2016年,IT组织拥有宏大的规划,包括数据中心整合、大数据分析以及云服务扩展等。
如果IT部门有针对2016的正式规划,则应该是诸如“控制、包容和保护”——看起来好像是警察的座右铭,但的确描述了今年IT专家们最关注的内容。 TechTarget对北美近400位IT专家进行了调查,结果显示数据中心的管理者们依然关注传统架构下存在的那些问题,比如IT管理实践、系统安全、项目管理和网络规划等。
事实上,上述四个领域历来都是IT经理们优先考虑的工作,并为此投入了自己绝大部分的精力。 IT专家们耗费时间最多的前10项工作:
·IT管理:29%
安全:22%
·项目管理:22%
·网络:21%
·服务器管理:18%
·数据中心/基础架构运维:17%
·终端计算/设备管理:17%
·应用开发:17%
·合规/内控:15%
·应用管理:13%
对于整天围着数据中心打转的人来说,这一年多来的情况并未发生多大变化,比如服务器管理和应用开发都仍旧是工作的重点。
整合、分析和合规
对于诸如安全监管和网络管理等日常工作的关注,并不意味着IT专家在2016年没有宏大、具有挑战性的规划。 在2016年的规划中,有31%的受访者提到了数据中心整合(仅比去年低了两个百分点),紧随其后的是大数据/业务分析(30%)和合规(29%)。
与去年的调查结果相比,最显著的变化是只有26%的受访者提到了移动类项目,降低了5个百分点——这可能意味着移动管理类产品已经在IT组织中得到了一定程度的普及。 在决定IT项目优先级时,企业的规模是个关键因素。对于那些员工数高于1万的企业来说,在2016年的规划中非常重视物联网(27%)和软件定义数据中心技术(31%)。而在人数少于1千的企业中,仅有13%有物联网方面的规划——中型企业(1千到1万人之间)中这个比例也仅仅高出一个百分点(14%)。
2016年IT规划调查:
·数据中心整合,31%
·大数据/业务分析,30%
·合规,29%
·移动计算,26%
·社交媒体/协作,21%
·通讯整合,20%
·软件定义数据中心,19%
·物联网,18%
略微上升的预算
55%的受访者表示,2016年的IT预算将比去年有所上升,这一比例在过去两年的调查中保持一致。其中,27%的受访者预期IT预算酱油5%到10%的增长,19%表示将有10%以上的增长,这对于面临挑战的IT产业来说,这个数字令人振奋。
平均来说,2016年的IT预算将上升9.4%,略高于去年的9%。 与此同时,16%的受访者表示预算将出现负增长,其中有4%表示将出现一成以上的预算削减——这种痛楚类似于本地的Best Buy门店拒绝你的信用卡。 去年,只有7%的受访者表示IT预算会下降。而认为预算保持不变的比例,2015年为26%,今年降为21%。 总体而言,IT预算出现下降的公司中,平均降幅为4.2%。这一数字比去年的4.4%看起来令人稍感欣慰。
TechTarget之前的一些调查曾显示,相较于经济危机之前,小型企业的IT支出的恢复速度将低于大中型企业。但是,根据本次调查的结果,在人数低于1000人的小型企业中,有61%的将会加大IT投入 – 这一比例远高于大型企业。而且,在小企业中只有10%表示会削减IT支出,相较于大企业这一比例高达26%。 更多的软件和云服务投入 在那些2016年加大IT投入的企业中,最显著的增长部分来自于软件(57%)和硬件(51%)方面,紧随其后的是云服务(41%)。
与去年的调查相比,今年最大的变化是软件投入会有9个百分点的提升。这也许意味着,软件定义网络和存储开始在数据中心整合和转型中开始进入实用阶段。此外,这可能也意味着维护类支出的下降,只有16%的受访者(去年的数字是22%)表示在运维方面会加大投入。
虽然通常认为云计算对小企业来说尤其合适,但是在我们的调查中,大中型企业(51%和51%)比小企业(35%)更倾向于增加云计算的投入。
硬件投入开始下降
在计划削减IT投入的企业中,有39%的表示将减少硬件购置的支出。与去年相比,这一变化的显著的,当时的比例仅为32%。
第二大的投入削减来自于软件方面,比例高达29%,同样远高于去年19%的比例。软硬件方面的支出削减预示着企业在云方面的发力——与之相对应的是,今年仅有6%的企业表示将减少云方面的投入。 从企业规模的角度看,大企业(60%)比小企业(24%)更倾向于减少硬件方面的投入。这意味着,小企业仍处于构建基础架构的过程中,而大公司这已经拥有了足够的设施。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。