至顶网CIO与应用频道 05月17日 北京消息(文/王聪彬):根据全球领先的信息技术研究和顾问公司Gartner发布的《2017年首席执行官调查》(2017 CEO survey)结果,亚太区首席执行官预计其所在企业机构的生产力将在2018年年底之前提高24%,并以收入(26%的受访者曾提及)与盈利能力(15%的受访者曾提及)作为衡量成功的前两大指标。但是,该调查显示,在期望目标与当前的技术投资领域之间存在着差距。
为了快速提升生产力,亚太区首席执行官认为传统技术(如:云技术、企业资源计划[ERP]、分析与客户关系管理[CRM])而非支持数字化转型的技术(如:数字化环境[digital environments]、区块链[blockchain]、物联网[IoT]、机器人、人工智能[AI]和3D打印)将会助其一臂之力,尽管他们也认识并了解到这些关键的数字化业务技术将会给所在行业带来的重大影响。
亚太区首席执行官希望在保持销售增长的同时提高利润率,同时期待着IT在此方面发挥强大作用。但问题在于亚太区企业未能足够高效地利用这种潜力。相比更加创新的技术,他们对传统技术的关注可能会削弱转型效果。
IT成为盈利增长之后的第二大业务重点
首席执行官希望IT在推动上述高盈利增长方面发挥强大作用。“IT相关”业务成为排在盈利增长之后的第二大业务重点,反映出首席执行官对IT的重视程度。在本次调查中,IT进入首席执行官的前五大业务重点之列。这延续了Gartner 2015年调查中首次出现的趋势,今年位居第二的排名是IT在过去三年内所达到的最高位置。
Gartner认为,增速最快的亚太区经济令该地区的各个公司受益匪浅,相对于其他地区的企业,他们对销售增长的担心较少。相反,亚太区企业对盈利增长的关注高于收入增长。数字化业务为亚太区企业提供了一条大幅降低其成本结构并进而提高利润率的途径,但这些企业并未尽全力积极主动地追求数字化业务。
错失推进数字化业务的良机
此次调查显示,亚太区企业在数字化业务成熟度方面稍稍落后于全球其他企业,20%的亚太区首席执行官认为其所在企业实现了“完全数字化”(digital to the core),而全球比例为22%。亚太区企业在其所处的数字化业务阶段方面也稍逊于全球其他企业。
Gartner调查显示,对“数字化”的理解因人而异,相比全球同行,亚太区首席执行官对数字化业务缺少变革性视角。该调查发现,45%的亚太区首席执行官将数字化转型视作优化其现有业务的一种方式,而持此看法的全球首席执行官比例为42%。
首席信息官必须与首席执行官及其他业务管理者一起利用真实示例推进数字化业务的变革。许多业务管理者仍无法很好地阐明数字化业务,因此需要相关培训。
该调查显示,在通过投资以获得全新数字化业务能力方面,亚太区企业机构表现得不如全球同行那么积极。18%的亚太区企业机构持有技术或数字化业务股权,而全球比例则为24%。尽管如此,亚太区受访者表示其股权赢得的股息非常可观。
这种差距可能在于亚太区首席执行官比其全球同行更多地认为进入资本市场会对增长造成限制。此外,亚洲部分地区还存在监管灰色地带,因此妨碍了各企业在行业之外进行技术投资或收购。
编者按
* Gartner《2017年首席执行官调查》(The 2017 Gartner CEO Survey)征集了388位首席执行官和高级业务管理者提供的信息,这些首席执行官与高级业务管理者来自逾25个国家内年收入高于2.5亿美元的企业。96%的企业领导者来自亚太地区。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。