至顶网CIO与应用频道 01月24日 评论分析(文/王聪彬):中国企业服务市场的潜力巨大,尤其是云计算的逐渐普及,SaaS对传统软件交付实现了一次重大变革。
虽然中国SaaS的发展落后美国5-10年,但增势迅猛。近两三年美国SaaS市场已经进入成熟阶段,中国SaaS市场在2004年开始萌芽,目前也进入快速成长阶段。
中国SaaS市场已经成为全球最引人注目的地区,SaaS整体规模增速持续领跑全球。艾瑞咨询调查显示,中国占全球SaaS市场3.4%,预计2020年将占到9.4%。
国内SaaS市场规模达到168.7亿元,将保持30%以上的增长率。最受青睐的应用包括BI大数据分析、应用管理与安全、营销等。
如此火热的市场究其原因还是在于国内企业主体数量不断增加,以及企业数字化转型步伐在不断加快。
一方面中国互联网移动互联网的兴起,为企业的生产、经营、发展等各方面都带来了深刻的变革,例如虚拟组织的出现,流程审批的智能化。另一方面供应端已经不再是简单的硬件销售,而是更多售卖服务。
而且随着IT产品走向消费化,工作和生活的界限已经越来越模糊,很多厂商开始把2C市场的发展运营经验推广到2B市场,这也进一步推动整体SaaS市场的普及和发展。
在SaaS市场中移动办公是一个重要领域,这是一个入口级产品。其前身是传统PC办公管理软件,随着办公的碎片化,移动办公SaaS应用应运而生,移动CRM、移动OA、移动IM等应用都在推动整体移动办公市场。
但这也产生了新的问题,不同的应用都专注在不同的业务领域中,所以在办公中我们可能要频繁的切换各种应用,以高频用户需求为基础的平台型产品也逐渐出现,同时引入第三方服务打造一体化的移动办公平台。
这种一体化的移动办公平台也受到企业客户的接受,国内移动办公平台都是以单点功能切入,IM即时通信、日程安排、会议管理、考勤签到等基础刚性需求。
艾瑞分析师指出,这些需求能够最大化留住用户,应用在累计了一定用户量之后,就可以采用开放平台策略,引入一些第三方服务,不断叠加新功能,包括运营管理、决策指导等创造更多价值。
平台型产品对于服务商资金、资源的要求都非常高,所以市场上的玩家也并不多,主要可以分为互联网公司和管理软件公司两类。
现在已经逐渐形成钉钉、企业微信、云之家三足鼎立的市场格局。钉钉孵化于阿里专注于中小企业客户,软硬结合路线发展;企业微信拥有大量的用户资源,帮助企业统一微信生态;云之家依托金蝶服务中大型企业。三者由于不同的出身,都选择了最为熟悉的领域切入市场。
当然移动办公平台为用户提供的核心价值是相同的,也就是连接、聚合、激励。
连接:移动办公平台更好的连接人与人、人与服务,解决传统软件无法解决的信息传递、反馈不及时等痛点;
聚合:移动办公平台上聚合了各种各样的办公软件,以及第三方服务,共同推进整体办公协同的发展;
激励:移动办公平台孕育的是一种新的工作方式和工作理念,帮助组织持续创新;
现在很多技术都是通过场景化开始进行应用,当然移动办公的发展要和企业管理变化相契合,像扁平化组织结构,灵活的管理制度等等。
未来移动办公也将有三大发展方向:平台化、开放化、智能化。
平台化:移动办公应用更多是标准化的,但随着越来越多的企业进入,每一个组织架构都有不同需求,这也有了更多个性化定制的出现,平台化是解决标准化和定制化的有效途径。甚至可以打通硬件设备实现真正意义的一站式移动办公;
开放化:移动办公平台需要和合作伙伴一起打造生态,而不是亲力亲为,最大化平台价值为客户提供更优质的服务;
智能化:智能技术正在不断融合到各个场景,基于行业、企业、产业上下游等数据帮助企业进行业务流程的优化、经营风险的识别、运营成本的控制等。数据在市场竞争中的价值将会逐渐凸显,实现智能化办公;
好文章,需要你的鼓励
这项研究探索了语言神经元视角下多语言对齐如何增强大语言模型(LLMs)的多语言能力。研究团队提出了一种更精细的神经元识别算法,将激活神经元分为语言特定、语言相关和语言无关三类,克服了现有方法的局限性。基于这种分类,研究将LLMs多语言处理过程划分为四个阶段:多语言理解、共享语义空间推理、多语言输出空间转换和词汇空间输出。通过分析对齐前后不同类型神经元的变化,发现多语言对齐促进了更多语言相关神经元的共享使用,减少了对语言特定神经元的依赖,这也解释了"自发多语言对齐"现象。
这项由弗吉尼亚大学与Adobe研究院合作的研究突破了传统图像到视频生成的空间限制,提出了"Frame In-N-Out"技术,使物体可以自然地离开画面或新物体能够进入画面。研究团队创建了专门的数据集和评估方法,并设计了一种融合运动控制、身份参考和无边界画布的扩散变换器架构。实验结果表明,该方法在生成质量和控制精度上显著优于现有技术,为电影制作和创意内容创作提供了新可能。
浙江大学研究团队开发了首个评估视觉语言模型多视角空间定位能力的综合基准ViewSpatial-Bench,并揭示了现有模型在视角转换理解上的严重缺陷。通过自动化3D标注流水线构建的大规模数据集,他们训练出的多视角空间模型(MVSM)实现了46.24%的性能提升,为人机空间交互提供了新的解决方案,使AI系统能更好地理解人类视角下的空间关系,促进更直观的人机交流。
ByteDance团队提出的DetailFlow是一种创新的图像生成方法,通过"下一细节预测"策略实现从粗到细的自回归生成。它将图像编码为仅需128个令牌的1D序列,比传统方法少5倍,却实现了更高质量(2.96 gFID)和更快速度(提速约8倍)。该方法巧妙地模拟人类创作过程:先勾勒整体结构,再逐步添加细节,并通过自我纠错机制解决并行推理中的错误累积问题,为高分辨率图像生成提供了高效解决方案。