至顶网CIO与应用频道 08月01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2.4%。由于美元贬值,这个数字高于Gartner上季度所预测的1.4%增长率(见表一)。
Gartner研究副总裁兼杰出分析师John-David Lovelock表示:“数字化业务对现有的商业模式及其周边产业带来很大的影响,并引发一些新模式的出现,如软件、服务和知识产权的融合。这些新生代产品的背后有商业与技术平台作为推手,这些平台也将推动新项目的支出。特定行业的颠覆性技术包括制造业的物联网(IoT)、金融服务业的区块链(blockchain),以及零售业的智慧机器(smart machine)。”
《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。在过去的十多年间,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。
表一、全球IT支出预测(单位:10亿美元)
Gartner预计2017年全球企业软件市场将增长7.6%,高于2016年5.3%的增长率。由于软件应用使更多企业机构从数字化业务中盈利,市场对于自动化和推出新应用及功能的需求将更加强烈。
John-David Lovelock指出:“随着基于软件即服务(SaaS-based)的企业应用受到更加广泛的运用,从云端传送的IT运营管理(IT operations management,简称ITOM)工具的市场接受度也更高。这些云端工具有助于负责基础架构及运营(infrastructure and operations,简称I&O)的企业机构更快地添加功能,并采用更新的技术来缩短应用推出的周期。如果基础架构及运营团队没有监测并追踪快速变化的环境,就可能会导致基础架构及应用服务的退步,最终影响到终端用户的体验,冲击财务运营和品牌形象。”
2016年IT支出呈增长态势,但前十大IT厂商中仅有两家呈现出收入的有机增长。IT厂商的收入来源依然与力量连结(Nexus of Forces)(社交[social]、移动[mobility]、云端[cloud]和信息[information]的汇聚融合)紧密相关。由于移动电话销量的上升,前十大IT厂商中将会有一些在2017年表现得更好。2017年全球设备支出(PC、平板、ultramobile与移动电话)预计将增长3.8%,达到6,540亿美元,高于上一季预测的1.7%增长率。移动电话市场增长的主要驱动力包括:iPhone推出10周年纪念机型将带动成熟市场中顶级机型的平均售价(average selling prices,简称ASP)上扬;基础款机型的数量逐渐超过实用款机型。不过,由于换机周期持续拉长,平板市场将继续萎缩。
欲了解更多分析,可参加免费的网络研讨会“2017年第二季度IT支出最新展望:数字化业务和数据中心下的变革者”(IT Spending Forecast, 2Q17 Update: Game Changer with Digital Business and Data Centers)。网络研讨会期间,Gartner分析师将分析2017年至2021年推动IT支出增长的趋势。
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每季度发布的IT支出预测报告提供了针对软硬件、IT服务与电信等细分市场内IT支出的独特视角。这些报告有助于Gartner客户深入了解市场商机与挑战。如需了解最新的IT支出预测研究,请参见《Gartner全球支出预测》(Gartner Worldwide Spending Forecast)。该季度IT支出预测页面包含了最新IT支出报告、网络研讨会、博客文章以及新闻稿链接。
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。