ZD至顶网CIO与应用频道 03月22日 北京消息:近日,围绕“智能时代·数字经济”,“2017中国IT市场年会”在北京召开。会上解读了业界的关注焦点,从多个角度分析了当前国内IT市场的趋势走向。
资本市场的“风”即将往哪吹
“风来了,猪都会飞。”毫无疑问,风代指的就是资本。从2013-2015年间,资本市场经历了轰轰烈烈的一大波牛市,以科技为代表的创业板上涨590%,而其中创造出了一大批成功创业公司。东方证券研究所所长陈刚在当天的演讲中,主要谈到了两个问题,一个是“风来了”,一个是“风”往哪儿吹。
“非常遗憾的告诉大家,从2015年下半年开始,资本市场这个风停了。”资本寒冬时代到来,“风”的力度明显小了很多。造成这样的结果,在陈刚看来,其中一个很主要的原因是移动互联网时代的红利即将结束。
红利的结束,也意味着“风向”的变化。未来“风”往哪儿吹,哪些科技领域更受投资人的青睐,陈刚从投资人的角度列出了5个方面。1.智能硬件。尤其是围绕智能交通、机器人领域的投资机会。2.云计算。尤其是围绕数据服务的企业。3.AR和VR。主要集中在娱乐和硬件领域的投资。4.物联网。5.人工智能。作为资本市场更看重人工智能技术如何与实体行业相结合。
除了谈到当前资本市场的环境以及未来的投资方向以外,陈刚在最后还提到了一个科技企业都很关注的话题——如何进入资本市场,究竟是选择通过并购、重组的方式,还是进行IPO。
陈刚说,从目前资本市场最新的政策来说,IPO是未来科技企业发展进入资本市场的一个主流模式。而如何尽早IPO,就需要创新、规范和业绩三方面的推动。“创新就是一定要有自己的东西,规范是要按照财务报表和商业模式运作。”陈刚总结道。
未来产业、未来经济
“展望一下未来十几年,随着智能化技术密集型的突破,包括存储、计算能力、虚拟现实、大数据的处理技术等,这会使现实世界和物理世界的链接更加无缝,并且构成了未来整个业态。”作为主办方,赛迪顾问总裁孙会峰在会上谈到了一些对未来产业和未来经济的看法。
在孙会峰看来,未来的产业形态会成为三个层级。最底层是全新的智能化设施,不但是万物互联,未来还有可能是万物有灵。第二个层面是数据。第三个层面则是基于智能化的基础设施和大量数据之上,进行不断的完善。
“首先我们看到全网的协同、高效的协作,以及资源和信息无缝对接,必然去改善人与人之间的关系、人与政府之间的关系,以及商业之间的关系。未来的协同效率、效益会充满巨大的想象空间。因此,如果要构建2030数字经济的愿景,需要智能的基础设施,需要海量的数据,更需要全新的新生业态。”
孙会峰认为,全新架构以及生态的演进,支撑这产业升级的同时,也带来了一定的影响。首先是产业间,无论是技术、产品、服务,都在进行不断的融合;其次是消费者的角色发生了很大的变化,所谓的消费生产者——消费者既是消费者又能参与到产品定制生产过程中;最后一个影响,针对人类的演进,随着人工智能技术的深入,将会释放人类大量时间。
“中国和美国是一个巨大的市场,为什么中国的IT企业能够快速成长?除了有巨大的需求所牵动,也有政府所带动的因素。”对于如何推动未来产业的发展,孙会峰提到了几点自己的看法。
顶层设计。比如推出的网络空间、智能制造2025等战略,对于整个产业的演进起到了巨大的推动力。
鼓励区域创新。不同的区域结合本地的特点和资源的禀赋以及条件,会提出全新的发展战略和发展方向。
创新环境的构建。基于数字经济的新业态必将带来产业监管方面的问题。因此包括数字安全、人的训练和培养,都是未来要考虑的。
资本服务于实体经济,同时实体经济也需要资本的助推。海量资本对于技术创新和企业的孵化、产业的升级起到了最大作用。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。