ZD至顶网CIO与应用频道 08月22日 北京消息: 数字化企业正在颠覆现有中国市场。Forrester认为中国的互联网公司可以分为两类,第一类是包括百度、阿里巴巴和腾讯(BAT)在内的数字巨头。它们通常涉足多个领域,且围绕自身的核心业务构建了复杂的价值链和外部生态系统;第二类互联网公司专攻于某个行业,例如专注发展在线旅游业务的携程和途牛,B2C领域的京东和唯品会,以及在线招聘行业的智联招聘和前程无忧。
中国企业已经认识到了制定移动战略的紧迫性。根据Forrester2014年的一项调查,43%的中国企业决策者考虑启动或者优化部署一个全公司范围的移动战略,并将该战略以及其相关政策的发展作为公司的优先发展目标。然而,虽然中国企业对于发展企业整体移动战略有所重视,仅有15%的中国企业决策者认识到了一个标准化的全企业移动开发工具包的重要意义。
在客户时代,企业需要识别出关键的移动时刻(mobile moments)从而更好的与客户实现互动。因此Forrester认为移动IDEA框架(如图所示)是企业移动开发团队可以利用的最佳实践方式。Forrester的IDEA周期由四个阶段构成:
1.识别出移动时刻以及其所处情境。即了解所有潜在的可以在移动设备端为客户提供服务的机会。
2.设计客户移动互动方式。该项设计过程需要业务人员、设计师以及系统开发人员的共同参与。
3.完成移动平台、流程的开发设计和人员部署。企业需要优化的商业生态系统涵盖公司内部以及合作伙伴的系统、流程、人员。
4.分析结果,监控性能,优化客户体验。捕获、追踪、分析反馈数据并在数据分析的基础之上开展优化客户体验的进一步行动。
中国企业的企业架构人员应该在企业移动开发中发挥领导作用。IDEA周期的每个阶段都有特别值得科技管理者关注的领域:1、对国际和国内的移动科技有比较充分的了解以便甄选出最适合自身的技术;2、主动与客户体验(Customer Experience-CX)团队合作
创建新的CX用户画像和客户体验旅程,帮助移动开发团队更好地理解客户;3、对移动开发基础设施解决方案开展系统性的评估,判断其对于本土市场需求的满足情况以及其是否能够提供充分的技术支持;4、引入移动应用性能管理(Mobile Application
Performance Management-mAPM)以及客户数据分析解决方案以便优化移动端客户互动效果和效率。Forrester建议中国企业的企业架构人员将自己定位为连接企业内部不同群体的桥梁,加速企业以客户至上为导向的数字化转型,即:
1.将移动IDEA团队的发展目标与企业的整体业务战略相连接。移动团队往往只关注针对某个具体业务需求APP的开发和交付,较少关注企业整体业务战略。因此,企业架构人员,通过更好的表述客户参与平台的价值,不仅能够更好的说服企业在移动开发方面给予必要的
投入,也可以帮助移动团队更好的了解具体的开发目标所能实现的业务目标。
2.帮助CX团队对移动IDEA团队进行知识转移。从用户的角度出发进行设计开发对于开发人员而言是一项永久课题。对此,企业架构人员可以主动协调将企业CX团队的认识传达给移动开发团队,帮助其确立从客户角度出发的设计开发实践原则。
3.用新兴技术支持移动IDEA团队。企业架构人员可以通过利用mAPM和客户数据分析等工具对移动开发团队进行支持,帮助其扫清企业遗留的系统障碍和应对客户时代的其他挑战。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。