至顶网CIO与应用频道 12月19日 北京消息:随着新业态、新模式、新技术对传统产业冲击的不断加强,数字化转型已经成为全球企业的共识。
为促进我国传统产业的数字化转型变革,总结当前中国不同行业数字化发展经验及发展现状,分析传统产业数字化转型的内涵和主要特征,探索数字化与传统行业转型之间的内在联系,促进我国传统产业数字化转型提出有一系列科学的且操作性强的建议。
为此,12月18日至顶网发布《2018中国数字化转型进程调研报告》(以下简称报告),报告历时一个月,基于全国超过500家企业样本数据,对来自政府、金融、制造、医疗、能源、教育、零售等全行业技术从业者,进行企业数字化转型水平调研。当然限于问卷篇幅原因我们没有覆盖所有的技术服务提供商。通过用户的反馈,我们发现绝大多数企业用户已经认识到数字化转型,并已成为企业战略的必选项。其中英特尔在技术服务供应商选择、混合云、大数据、人工智能技术和生态上脱颖而出,受到了高度的关注。
报告包括四个章节:数字化转型现状与挑战、数字化核心技术分析、数字化转型的行业特征、未来数字化投资重点,并附上热门数字化转型技术解决方案和数字化转型成功案例。
调研重点发现
· 数字经济已经成为经济增长的核心动力,数字经济和相关领域融合发展具有极大的潜力,将进一步促进我国经济发展和结构转型。
· 数字化转型已经成为全球企业的共识,其是数字经济的新阶段,不仅可以扩展新的经济发展空间,促进可持续发展,而且可以推动传统产业转型升级。
· 超过半数的企业都或多或少开展数字化转型,未来单点试验和局部推广的企业,随着数字化转型的深化,以及良好的业务反馈,也将加速进入广泛推广阶段,为优化创新打好基础。
· 云计算、大数据、人工智能等数字化技术仍然是企业的关注重点,根据企业业务场景和需求的不同,数字化技术的应用会呈现多种组合态势。企业应做好数字化转型整体规划,确定范围和优先级,为后续实施增加可行性。
· 随着行业数字化转型的逐步深化,云计算、大数据、人工智能、物联网、区块链等技术正在与制造、金融、通信、医疗、教育、能源等传统行业实现深度融合,进一步形成更加开放、融合、协同发展的数字化生态体系。
· 传统企业未来投资还将集中在进一步完善数字化基础设施建设上,尤其在数据中心层面,企业将加大投入力度。软件定义也将进一步发展,帮助企业从中获得驱动业务变革的能力。
报告在详尽分析企业数字化转型内涵和进程的基础上,从技术应用、创新、管理变革等维度构建企业数字数字化转型全貌。对全国全行业企业数字化转型水平进行分析,就夯实基础、深度数字化和管理变革等发展特征、趋势进行深入剖析,最后围绕企数字化发展未来趋势进行展望。
逆水行舟,不进则退,至顶网作为一个致力于记录和推动数字化转型的信息服务平台,我们一直与中国企业技术决策者同行于数字化转型之路,传播知识、带来思考。而这份调研,就是在岁末年初之际,对代表性用户的一次“技术普查”,我们希望通过这份普查,让您知同行们的当前之思、未来之行,让您的数字化转型之路少崎岖、更平坦。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。