至顶网CIO与应用频道 11月01日 北京消息: 据Gartner称,亚太地区顶尖的企业对于全球企业来说既是威胁也是机会,CIO们如果无视这些企业就会自身面临风险。分析师建议,CIO应该尽可能早的参与到数字化业务的构建和扩展中,以发现亚洲地区最重要的颠覆者,与其战略规划团队合作,决定到底是与这些数字化巨头协作还是竞争。
Gartner预测,到2021年有80%的传统公司将因为颠覆性竞争以及/或者无法颠覆自身而丢掉10%的市场份额。
"全球企业中的CIO和IT领导者数字美国数字化巨头Google、Facebook、Amazon和Apple,但是在如何颠覆数字化业务方面他们通常有些神秘。"Gartner研究总监CK Lu这样表示。
Lu表示:"如果对亚太数字化颠覆者在能带来特定机会方面没有透彻的分析,那么优先全球IT投资将是不完整的。亚太地区的GDP增长是全球市场的1.6倍。移动钱包等技术的采用率也更高,且可以触及到这个市场中17亿的互联网用户。如果中国和美国数字化巨头在争相颠覆全球市场的时候,没有人可以坐以待毙。"
亚太地区的十大数字化颠覆者
数字化颠覆者引领或者激发数字化颠覆。Gartner把数字化颠覆者定义为任何在一个文化、市场、行业或者流程中会对基本期望和行为转变(这一转变是由数字能力、渠道或者资产引发或者表现出来的)起到影响作用的实体。
为了确定亚太地区的顶级数字化颠覆者,Gartner在衡量企业对四大颠覆因素--技术、业务、行业和社会--的过程中考虑三个因素,规模、覆盖面和丰富度。从这些角度出发的投资优先级可以为未来创新提供一个明确的方向。
表一:亚太地区十大数字颠覆者
Table 1. The Top 10 Digital Disruptors in Asia/Pacific
Name |
Country |
Type |
|
1 |
Tencent |
China |
Social |
2 |
Alibaba |
China |
E-Commerce |
3 |
Baidu |
China |
Search |
4 |
Ant Financial |
China |
Financial Technology |
5 |
JD.com |
China |
E-Commerce |
6 |
DiDi |
China |
E-Commerce |
7 |
Xiaomi |
China |
Device |
8 |
Yahoo Japan |
Japan |
Search |
9 |
Naver |
South Korea |
Search |
10 |
Lufax |
China |
Financial Technology |
来源:Gartner(2017年10月)
CIO应该如何应对
Gartner称,CIO在应对亚太数字化巨头的崛起有三个选择:
1、加以利用:在亚太地区有业务运营的企业,可能在利用美国或者欧洲供应商和合作伙伴方面处于不利地位,如果他们和他们的客户都很重视亚洲市场的话,他们应该通过利用亚太数字业务来重新设计IT基础设施。例如,CIO们应该考虑切换到中国的云服务,这些云服务可以在中国本土运行,而不是使用可能会面临局限性--法规或者本地化影响--的全球服务。
2、竞争:到目前为止,大多数亚太数字化颠覆者都试图抓住消费者市场,例如家庭和交通。不过,数字巨头们现在正在从B2C转向B2B、政府和企业领域,例如工业和医疗行业。这给企业构建数字化平台或者引领数字化生态系统提供了机会窗口。如果企业拥有非常强大的品牌,与客户和合作伙伴的密切关系,就可以重新评估他们的老对手,构建一个联手与数字化巨头竞争的生态系统。
3、合作:全球企业具有一定优势,他们可以利用这些优势建立与亚太地区数字化巨头的合作关系,例如他们自己内部有价值的数据、全球经验和亚太地区之外的覆盖。企业应该有专门的工作组来将他们的业务转型为数字化业务,与亚太地区的数字化巨头合作。CIO们必须意识到文化和工作模式的差异化,因为这些企业通常要更加敏捷--业务规模也要小得多。
Lu表示:"每个数字化颠覆者都宣称在亚洲地区的数字业务生态系统中占据独特的地位,而且实力越来越强大。CIO和IT领导者们需要考虑把他们视为合作伙伴还是竞争对手--无视可不是一个很好的选择。"
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。