ZD至顶网服务器频道 11月04日 国际报道:你已经被高层警告了,你必须削减预算,否则要冒着裁员的风险——甚至丢掉你自己的工作。这种情况经常发生……有时是出乎意料的。但你如何在不裁员的情况下缩减预算呢。
当高层已经一锤定音了,你就必须执行。你必须让预算水平倒退回几年之前,同时保持公司向前发展。这是一种时间悖论,很少有人能在不需要帮助的情况下做到这一点。所幸的是,现在帮助来了。让我们看看,当你要缩减预算、又不让你的部门倒退回90年代,你能做的10件事情。
1、部署开源
如果你不需要把宝贵的预算用于购买微软或者其他第三方许可的时候,你就可以节约下一大笔钱。但是不要认为采用开源会让你倒退。企业全方位地采用开源是因为这是未来的技术发展趋势,是可靠的、可扩展的、安全的、为满足你的所有需求做好准备的。
2、虚拟化你的服务器
与其时不时地维修和更换老旧的服务器,你为什么不进行虚拟化呢?这样你可以节约硬件成本,备份更加容易,故障切换易如反掌。除此之外,对虚拟服务器集群的维护会大大简化,最后会得出和过去五年中很多IT专业人士一样的结论:虚拟化是一件双赢的事情。
3、重新利用资源
对很多人来说,便捷性是这个世界的主题。这导致很多企业快速消耗着他们的预算(以及地球资源)。预期丢弃老旧的技术,不如重新利用它。旧的台式机可以放在一起作为一个更强大的整体(以Linux集群的方式),可以清理那些连接了老旧终端的网线。如果你正在升级大家的台式机,你还可以清理出旧设备,在eBay上拍卖,或者捐赠出去(而且是免税的)。你甚至可以允许员工在不同部门之间调动,而不是雇佣新员工来填补空白。
4、支出优先级
排列优先级对于固定支出来说尤为重要——是你必须要做的事情。事实上,这应该是你面临预算缩减时首先要做的事情之一。一条一条地审查,给你必须要做的事情排出优先级。当你这么做的时候,确保已经预留出了在优先级上的支出。如果条目A是一个优先级项目,那么要确保你给A划拨的预算是准确的。如果你觉得给这项的预算可多可少,那就调整吧。
5、外包数据中心
如果你已经在许可费上花了大量资金,例如微软Exchange,那么Exchange服务器上的预算百分比要比你认为必要的水平还高,例如从本地服务器迁移到托管服务器。目前很多可用的服务,很多情况下可以为你节约成本。你还可以从昂贵的本地备份解决方案转移到云(大多数数据中心也提供这个服务)。
6、预算条目的个性化
当大多数人查看预算的时候,他们会将其分解成更小的部分。如果你十分谨慎的话,你甚至可以进一步分解为……单独的条目。一条一条,确保这个过程更加精细(更有可能取得成功),把这个条目分给深入了解特定部分的部门成员。这个人有更多的工作经验,他也许能够看到你看不到的预算条目。
7、绿色化
绿色化是可以抵税的,但并不止于此。你可以通过利用更绿色的技术节约成本。是的,其他部门也会节约成本(电费是一个大问题),但是当你让高管意识到这些节约成本的项目,他们会把这些都变成你的责任。
8、使用Google
有很多小的选项可以帮你节约成本,虽然金额不是很大(每个用户几便士),但这些节约的成本能够以其他方式转变为你的成果。例如,当使用Google作为协同工具的时候,你可以给用户配备成本更低的Chromebook。这还避免了对本地存储、备份、防病毒许可的需求。
9、检查你的手机账单政策
有很多功能会为员工支付一部分手机账单。他们认为员工会因工作需要拨打电话,所以他们应该支付这部分账单。除非你已经和运营商达成了一个很好的协议,否则这部分费用是很高的。我当然不是说你应该剥夺员工的这个权利。但是如果你停止为某些员工(基本不需要打工作电话)支付账单,那么就可以节约一些成本。
10、购买二手设备
我知道,我知道……这是一个有风险的举动。首先,你要冒着购买无法使用或者几个月以后出现故障(而且没有保修或者支持)的风险。不过,当你有迫切的需求又没有预算采购新设备的时候,你会发现自己处于一个“孤注一掷”的困境中。而且,采购二手设备是一种作为更有责任的消费者的方式。采购二手的路由器、线缆、交换机、访问点通常是可靠的选择,因为这些设备通常使用年限较长。一旦你有了新的预算,你可以再买新的,把二手设备作为备份。
在预算这个黑暗水域行进是很棘手的事情,你会发现几乎没有什么技巧。但是通过这些易于操作的小提示,你可以减少预算的同时又不会让你的部分倒退回计算机时代的早期。
好文章,需要你的鼓励
美国国家标准与技术研究院发布人工智能网络安全框架配置文件草案,旨在帮助组织安全使用AI系统。该文件围绕"安全"、"防御"和"阻止"三个重点领域,详细说明如何管理不同AI系统的网络安全挑战、利用AI增强网络防御能力以及阻止AI驱动的网络攻击。文件将网络安全框架的各个组件映射到具体建议上,覆盖入侵检测到供应链安全等各个方面。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
联想此次推出的推理加速引擎(Inference Acceleration Engine),是联想携手清华大学无问芯穹团队联合打造的本地AI加速解决方案。这款引擎将预装在联想年底发布的新一代AI PC产品线中,目标是让端侧推理性能直接看齐云端大模型水平。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。