根据Gartner对CIO所做的全球调研发现,在私有和公共领域表现最好的企业组织,花费在数字项目上的IT预算比例(33%)要高于政府组织(21%)。展望2018年,表现最好的组织预计将把43%的IT预算用于数字化,而对于政府CIO来说这一比例是28%。
Gartner的2017 CIO Agenda调研包括来自93个多加2598名CIO的观点,代表了9.4万亿收入或者公共支出,和2920亿美元的IT预算,此外还有38个国家的377名政府CIO。政府CIO分为国家或者联邦、州或者省(地区)以及地方司法管辖区,以确定每个层面的具体趋势。出于调研的目的,受访者被分类为在数字化方面领先、典型和落后。
Gartner研究副总裁Rick Howard表示,2016年是一个分水岭,这一年中公民在投票站和街头广泛表达他们对政府现状的不满,伴随而来的是对公共机构表现缺乏信心和信任。
Howard表示:“这必须得到解决。2017年政府CIO们有迫切的义务不只是看他们自己的组织内,还需要对照着公共领域和其他服务行业内表现最好的同行们。他们必须致力于采取措施立即实现可衡量的改善,得到公众的认可和赞赏。”
表现最佳组织提高预算
政府CIO作为一个群体预计其IT预算平均增长1.4%,相比之下其他所有行业平均增长2.2%。地方政府CIO稍好一些,平均增长3.5%,但是仍然要比表现最好的组织整体(4.6%)少1%多。
这个数据与Gartner的分析方向基本一致,这表明2016年美国州政府和地方政府平均IT预算在运营支出中占比4%,高于2015年的3.6%。对于国家和国际政府机构来说,平均IT支出在运营支出中的占比为9.4%,高于2015年的8.6%。
“不管财务前景怎样,渴望成为表现最佳那一类的政府CIO,必须将所有投资都与降低政府业务成本、改善政府项目表现挂钩,证明增加IT预算是物有所值的。”
政府中最优先的技术投资
展望2017年,Gartner询问受访者哪些技术最有潜力在未来五年变革他们的企业组织。
高级分析在各级政府都占据显著位置(68%),数字安全仍然是各级政府的一项关键投资(57%),特别是在国防和情报(74%)。
物联网将现住地推动地方政府的变革(68%),而国家政府对业务算法最感兴趣(41%)。相比表现最好的组织相比,各级政府认为机器学习或者区块链所能带来的机会较少。地方政府则在自动车辆(6%)和智能机器人(6%)方面比其他政府和表现最好的组织更大胆一些。
政府CIO的最大障碍
政府CIO们认为他们要实现目标必须克服的障碍包括技能或资源(26%)、资金或预算(19%)、组织文化或结构(12%)。
具体说到缺乏工作技能的领域,政府部门在数据分析方面较为薄弱(30%),其中包括信息、分析、数据科学和业务智能,安全和风险位列第二(23%)。
Howard说:“借助机构外的专家网络来缩小技能的差距。与其他行业的CIO相比,政府CIO往往不会与初创公司或者中型企业合作,这会措施新的想法、技能和技术。”
抓住数字生态系统的机遇
数字生态系统的理念对于政府CIO来说并不陌生。Gartner说,政府机构参与数字生态系统的比例高于其他行业,但是他们这么只是因为有必要性,但是没有规划好的设计。总体来说,有58%的政府CIO称他们参与到数字生态系统中,其他行业的比例是49%。
随着数字化在各个行业发展势头良好,政府加入数字生态系统——相互依赖,可扩展的企业网络、人和物——的需求也有所增加。“数字生态系统成为政府在交付公共服务时真正高效的一种手段。”
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。