ZD至顶网CIO与应用频道 10月27日 澳门消息(文/王聪彬):各家调研机构在这几年都会谈一个话题“数字化转型”,“数字化优先”Digital First也顺理成章成为今年Canalys亚太渠道论坛的主题。“数字化优先”在中国我们更愿意称呼他为“数字化转型”,因为转型可以更好的展现出现在企业的真正形态。
虽然企业数字化转型如火如荼,但是Canalys CEO Steve Brazier却首先带来了一个坏消息。其实Canalys展示的这组数据对于中国来讲并不算坏,但是对于整个亚太地区来讲可能并不那么乐观。
亚太地区在服务器、存储、电脑、智能手机上都有不同程度的下降,但是中国除了电脑外都有所提升。这和中国近几年在大力推广的云计算有着很重要的关系,尤其是服务器和存储增长了16%和11%。
当然在亚太地区也有一个好消息,一些新技术像超融合、闪存等在亚太和中国都有一定程度的增长。
再来看一下服务器市场这几年的变化,2013年直接销售占25%,渠道转售占75%,当时市场中只有两种参与者。但到了2016年不仅参与者增加了,参与者的形态也发生了变化,最大的部分还是渠道转售占55%,公有云占25% ,IDC企业和私有云占20%。
企业客户的转变也对渠道伙伴的运营模式带来挑战,尤其像中国的渠道商应该最有发言权,在亚太地区数字化转型最快的中国。渠道商也在进行着业务或运营模式的转型,亚太地区渠道商的变化是,2016年上半年分销商下降3%,渠道巨头增长5%。
2016年服务器市场的变化,中国在其中起到了很大的作用,为什么这么说,中国在云计算市场的投入已经直逼美国,以BAT为代表的国内云服务商崛起外,还有外国云服务商和创业型云服务商也加速中国市场的布局。
在各类型的云服务商和各种云计算技术的带动下,金融、电信、政府等行业都走在了应用前列,这也得以让一个个鲜活的案例展现在我们面前。
从今年来看,公有云市场增长超过了50%。Canalys重点展示AWS、WindowsAzure、Google全球最大的三家云服务提供商的增长情况,目前三家公有云服商体量超过市场的一半。Steve Brazier给出的评价是他们太大以至于不能失败,当然他也提到不能忽视阿里云的快速增长,尤其在中国市场。
在同几个外国记者交流中国云计算市场时,最深刻的体会是他们其实并不太了解中国云计算市场真正的情况,即使是香港记者也是一样。似乎在阿里云之外对其他云服务上所知甚少,中国云计算市场并不是一家厂商可以覆盖,上文提到的各种类型的云服务商,在自己的细分市场其实都有不同的领军者。
另外,在2016年还有一个明显的趋势就是通讯类App,在中国微信已经占领主导地位,外国则是WhatsApp。外国普遍认为微信和支付宝是推动中国数字化转型的两大移动应用,但是这仅仅停留在消费级,真正在企业级的颠覆者还没有形成。
Canalys也在推动数字化转型上划分了软和硬两种类别,在软的层面上有增强现实、机器学习、区块链、通信,在硬的层面有5G、工业4.0、可穿戴设备、无人车、物联网等,在不同的层面中国已经在其中多个领域开始了具体的应用。
画外音
Canalys还请来了新加坡丽思卡尔顿酒店人力资源主管Mark Fletcher,新加坡丽思卡尔顿酒店建立于1997年,Mark Fletcher也是同一年加入公司,可以说是和公司共同成长。
丽思卡尔顿酒店非常强调简单的商业流程,这也是丽思卡尔顿微笑背后的系统,包括筛选、目标、每天早训、培训和给予权利、庆祝成功,这其中运用了一些数据的支撑。
“很多人都问我们是怎么找到1%最优秀的服务人员。”Mark Fletcher说筛选是非常重要的,不是丽思卡尔顿招聘他们,而是我们吸引最优秀的真诚的想要加入我们的人,以及互相尊重的价值观。
好文章,需要你的鼓励
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。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。