至顶网CIO与应用频道 01月30日 北京消息:全球领先的信息技术研究和顾问公司Gartner表示,2018年全球IT支出预计将达到3.7万亿美元,较2017年增长4.5%。
Gartner研究副总裁John-David Lovelock表示:“全球IT支出在2017年开始回升,预计在未来几年会持续增长。但由于各企业机构考虑到英国脱欧的潜在影响、币值波动和可能出现的全球经济衰退,不确定性渐渐浮现。尽管存在这样的不确定性,各企业仍然预期收入增长,将继续投资于信息技术,但他们的支出模式将出现变化。有关数字化业务(digital business)、区块链(blockchain)和物联网(IoT)的项目,以及从大数据(big data)、算法(algorithms)、机器学习(machine learning)到人工智能(AI)的一系列技术进步将继续带动IT支出增长。”
企业软件仍将呈现强劲增长,全球软件支出预计在2018年增长9.5%,在2019年再增长8.4%,届时总值将达到4210亿美元(见表一)。Gartner预计各企业机构会在2018年增加企业应用软件方面的支出,其中更多预算转向软件即服务(SaaS)。基于SaaS的解决方案可用性越来越高,将推动对许多子类别解决方案的采用和支出,如金融管理系统(FMS)、人力资本管理(HCM)和分析应用程序(analytic applications)等。
表一、全球IT支出预测(单位:10亿美元)
来源:Gartner(2018年1月)
Gartner预计设备细分市场在2018年将增长5.6%。设备细分市场在2017年增长5.7%,这是两年来的首次增长。尽管Gartner预计单位销量将有所下降,但由于手机的平均售价继续上升,终端用户在手机上的支出仍将稍有增长。虽然用户持续转移使用Windows 10的情况会进一步带动PC在中国、拉美和东欧的商业市场正增长,但Gartner预计PC在2018年的增长率与往年持平。正如Gartner预计,iPhone 8和iPhone X在2017年产生的影响极小,但Gartner预计在iOS在2018年的出货量会增长9.1%。
Lovelock先生表示:“考虑到未来几年带动支出增长的一些关键领域,Gartner预测到2021年,AI会带来商业价值为2.9万亿美元的新机会,并能节省相当于工人在62亿小时内的生产力。这种商业价值具体体现在:使用AI提升效率;使用AI创建使客户体验更为个性化的洞察;使用AI增加互动性和业务量;使用AI增加提升收入的机会,这也将成为数据洞察驱动的全新商业模式的一部分。”
Lovelock先生进一步表示:“获取潜在商业价值需要有所投入,特别是当企业希望在短期内达到节省成本的目的时。由于AI具有‘力量增幅器’(force multiplier)的作用,为提升客户体验和收入而投资AI,将可能带来收益——积极的网络效应(positive network effects)将超过投入成本,而由此获得的收入也会增加。”
Gartner预测,中国在2018年对技术产品和服务的总支出会增长6.7%,超过2.6万亿人民币。
表二、中国IT支出预测(单位:百万元)
来源:Gartner(2018年1月)
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。
中国 |
细分市场 |
2017年 |
2018年 |
2019年 |
终端用户支出总额 |
设备 |
955,118 |
1,036,453 |
1,055,817 |
|
数据中心系统 |
169,926 |
173,686 |
176,272 |
|
软件 |
65,117 |
73,273 |
82,692 |
|
IT服务 |
177,490 |
196,538 |
219,080 |
|
通信服务 |
1,105,350 |
1,157,787 |
1,197,007 |
终端用户支出总额 |
2,473,001 |
2,637,737 |
2,730,868 |
好文章,需要你的鼓励
Amazon旗下秘密研发机构Lab126新成立团队,专注在机器人上嵌入自主代理AI,实现通过自然语言完成复杂任务,从而提升仓储物流与配送效率,同时开发高精度地图技术。
这项研究介绍了一种新型多模态扩散模型,能够同时生成量子电路的离散结构和连续参数。由因斯布鲁克大学和NVIDIA公司研究人员开发,该模型利用两个独立但协同工作的扩散过程处理门类型选择和参数预测,克服了传统量子电路编译方法的效率瓶颈。研究证明了该模型在不同量子比特数量、电路深度和参数化门比例下的有效性,并通过快速电路生成创建了数据集,从中提取出有价值的结构见解,为量子电路合成提供了新方向。
SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术,解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程,段内引导(ISG)优化时间步重要性分配,并设计基于视觉基础模型的判别器提升生成质量。实验表明,SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本,同时保持甚至超越原模型在多项指标上的表现,代表了AI图像生成效率提升的重要突破。