ZD至顶网CIO与应用频道 04月24日 北京消息:全球领先的信息技术研究和顾问公司Gartner表示,2017年全球IT支出预计将达到3.5万亿美元,较2016年增加1.4%。这个数字低于Gartner上季度所预测的2.7%增长率,造成下降的一部分原因是美元升值(见表一)。
Gartner研究副总裁John-David Lovelock表示:“受到强势美元影响,我们已经把2017年IT支出预期下调了670亿美元,并预计整个2017年,总部设在美国的跨国IT厂商收入都会受到汇率的影响。”
2017年数据中心系统有望增长0.3%,这个数字虽然优于2016年的负增长纪录,但该领域正经历服务器市场增长势头趋缓的过程。John-David Lovelock指出:“根据我们的观察,服务器购买者和购买对象都发生了变化。企业不再向传统厂商购买服务器,转而使用亚马逊(Amazon)、谷歌(Google)、微软(Microsoft)等企业所提供的云端服务器租赁服务。这使得服务器支出下滑,同时冲击整个资料中心系统部门。”
表一、全球IT支出预测(单位:10亿美元)
2016年支出 |
2016年增长率(%) |
2017年支出 |
2017年增长率(%) |
2018年支出 |
2018年增长率(%) |
|
数据中心系统 |
171 |
-0.1 |
171 |
0.3 |
173 |
1.2 |
企业软件 |
332 |
5.9 |
351 |
5.5 |
376 |
7.1 |
设备 |
634 |
-2.6 |
645 |
1.7 |
656 |
1.7 |
IT服务 |
897 |
3.6 |
917 |
2.3 |
961 |
4.7 |
通讯服务 |
1,380 |
-1.4 |
1,376 |
-0.3 |
1,394 |
1.3 |
整体IT |
3,414 |
0.4 |
3,460 |
1.4 |
3,559 |
2.9 |
资料来源:Gartner(2017年4月)
受到移动电话销售量增长势头强劲,以及激光打印机、个人电脑(PC)与平板销售量小幅增长的影响,2017年全球设备支出(PC、平板、ultramobile与移动电话)预计将增长1.7%,达6,450亿美元,这个数字优于2016年负增长2.6%的成绩。而亚太新兴市场与中国大陆平均售价(ASP)的上涨,再加上iPhone换机潮与iPhone十周年纪念机型的契机,都将带动2017年移动电话支出的增长。由于换机周期拉长,平板市场持续大幅萎缩,因此2017年台式电脑与笔记本电脑的销售量及拥有率都将呈现负增长态势。另一方面,尽管零组件成本上扬将带动PC价格上涨,但商用Windows 10的系统升级将能在整个2017年为市场提供最基本的潜在增长。
2017年全球IT服务市场预计将增长2.3%,低于2016年3.6%的增长率。本季度IT服务增长估计值的细微变动,可视为应对美国外交与内政政策方面可能发生的改变而针对特定地区所做出的调整。美国新政府的企业友善政策,有望为美国的系统导入服务(implementation service)市场带来些许正面效应,因美国政府未来几年可能会大幅增加基础设施建设投入。
Gartner的IT支出预测基于数千家提供各种IT产品与服务厂商的销售数字。Gartner采用各种主流研究技巧,再以次级研究资源进行补充,以建立一套市场规模资料的完整资料库,并借此进行预测。
《Gartner全球IT支出预测》(Gartner Worldwide IT Spending Forecast)报告作为主流科技趋势的指标性研究报告,范围涉及硬件、软件、IT服务与电信市场。在过去的10多年间,全球的IT与业务主管都利用这份季度报告了解市场商机与挑战,并根据报告内容来做出准确的商业决策。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。