几个星期前,我和一些已退休的CIO朋友聚在一起。这些是我第一次晋升为CIO职位时最了解的IT领导人。其中一位在八年前退休,另一位是五年前退休。
这些日子我在推动决策的过程中,面对限制、变革的步伐和高优先级计划等方面逐步赶上我的朋友们,显然我以前的榜样们对此感到有些震惊,甚至难以置信。
令他们震惊的是,我居然专注于传统CIO角色和责任范围之外的领域。例如,让他们惊讶的是,我在开发客户现在正使用的软件产品。当我告诉他们有很多工作负载和应用程序迁移到云端时,他们感到不可思议。
这两位前任CIO都紧随SaaS、PaaS和IaaS开展重大举措。但是他们有点担心是,他们从零指导和养育起来的客户会彻底地去拥抱私有云、混合云和公有云。
他们对我如何处理云风险的方式感到吃惊。我难道不担心安全吗?我难道不担心失去我的专业知识吗?我难道不会担心越发依赖云提供商,从而让他们逐渐升高我的成本吗?
我向他们保证,我跟他们一样,也是深思熟虑的,正如他们所培训过的大多数规避风险的IT领导者。我不是想要时尚。我从来不是一个很酷的孩子——被迫做IT界流行的东西。我解释了驱动我行为的市场趋势和动力。我阐述了更高层次的目标,描述了我的短期行动如何解决我们当前的需求,同时保持我们未来的选择尽可能地开放。
几个星期后的现在,我继续研究了我对云的方法,以及如何向世界解释这个问题。所以,这里阐述如下:
我深信,我的IT生活中最重要的两个概念是速度和不确定性。今天的一切都以技术的步伐前进,速度逐渐加快。因为事情变得如此之快,未来是非常不确定的。谁知道六个月或一两年会有什么样的生活?所以,我需要更快速移动——但是朝哪个方向呢?
在我看来,这两个参数——惊人的速度、巨大的不确定性,重塑了CIO的角色和责任。它们将我的IT生活方式定义如下:
首先,我需要确定我和我的团队将专门研究的几个方向。事情变化得太快,以致于我无法掌握所有事情,所以我必须选择自己能掌握的几件事情。在一个完美的世界中,这几件事与我的组织创造竞争优势是一致的。第二,我需要预测到我今天所做的一切都可能被别的东西所取代。有这么多的不确定性,我不能锁定任何东西,所以我的世界应该是一个松散耦合的服务和系统的世界。
好吧,序文足够了。接下来我将阐述如何实现:
1. 我们已经将许多内部应用转移到SaaS产品。
为什么?来看看我们将CRM转移到云端的决定。我们的内部CRM是一种邀请,用来执行自定义和增强功能,而这些功能最终需要两位软件工程师的支持。我不想专注于CRM定制,所以我们实现了市场领先的云CRM的零定制实例。这解放了我的两名CRM工程师,让他们能致力于定义我的专业领域的软件产品——这些软件可以移动客户生活中的重心。我对联络中心和数字营销应用程序也依次做了一样的工作,从而使我的团队将重点放在了对客户来讲最重要的事情上。
2. 我们关闭了我们的内部数据中心,并转向托管数据中心。
为什么?为了更好地界定我们的专业领域,更为重要的是为了要松散耦合。在这一举措的第一阶段,我们将硬件转移到托管数据中心。从那时起,随着硬件更新时间的到来,我们已经将服务转移到别人的硬件上——因此我们将系统与硬件分开,从而可以根据需要移动这些服务。为了做到这一点,我们必须非常擅长虚拟化和业务流程(但是那些听起来像是专业化的领域)以及现代化。现代化需要我们将数据层与业务逻辑层分开,用户界面层与业务逻辑层分开。但是,这样做是“松耦合”我堆栈中最重要的元素。我们还有一条路要走,不过越来越少的成为他人决定的人质让人感觉很好。如果我的数据库提供商上涨价格,我可以迁移到不同的数据库产品。如果我的CRM供应商偏离轨道,我可以寻找一个新的提供商。
3. 我们采用了较为成熟的安全性、可靠性和可扩展性的方法。
很久以前我就认为,任何合适的云提供商在安全性、可靠性和可扩展性方面都要比我更好。为什么?如果云提供商出现数据泄漏,则它们将失去业务,其松散耦合的客户将转向其他的提供商。如果我的系统有违规行为,这会是非常痛苦的,我可能会失去我的工作,但我的生意可能会生存下去。而且,可能不会在安全性、可靠性和可扩展性方面比违规前有更大的投资。对于云提供商来说,安全性,可靠性和可扩展性等于关键任务专业化——我最希望的就是在这些领域能够成为通才者。
这些总结就是我告诉那两位退休CIO朋友的——我们是私有、混合和公有云用户,并且随着我们和供应商成熟起来,正在逐渐趋向混合和公有云,最后只有公共云。当我退休的时候,受我指导的人可能会想知道为什么我曾经做过像私有和混合云这样老式的事情。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。