至顶网CIO与应用频道 02月19日 北京消息:根据全球领先的信息技术研究和顾问公司Gartner调查结果,2019年,在政府部门首席信息官追加技术投资方面,数据分析(data analytics)与网络安全(cybersecurity)将云(cloud)挤出榜首位置。这种对于数据的更多关注反映出首席信息官相信人工智能(AI)与数据分析将在2019年成为政府领域首要的“颠覆性”技术。
Gartner 2019年首席信息官议程调查(Gartner’s 2019 CIO Agenda Survey)收集了来自89个国家与地区3102位首席信息官所提供的数据,覆盖了各大重要行业,其中528位受访首席信息官为政府部门首席信息官。政府部门的受访首席信息官按照国家或联邦、州或省(地区)、本地、以及国防与情报归类,以确定各层级内的相应趋势。
充分利用数据处于数字政府的核心位置——在政府所监管与提供的各类资产中,数据成为了核心资产。尽管资源有限的压力越来越大,但战略性地实时利用数据的能力将显著提升政府无缝交付服务的能力。
数字成熟度正在提升
在战略性业务重点方面,此次调查发现18%的各级政府部门首席信息官计划今年再次将数字计划(digital initiatives)视作实现任务结果的关键,而其他所有行业的这一比例为23%。紧接其后的三个政府部门业务重点分别为:行业特定目标(industry-specific goals,13%)、运营卓越(operational excellence,13%)以及成本优化/削减(cost optimization/reduction,8%)。
调查数据显示,政府部门正从容不迫地朝着数字化服务的设计与交付迈进,整体实现了与其他行业类似的成熟度。在被问及数字计划处于哪个阶段时,29%的政府部门受访首席信息官表示其所在机构正在扩展并改进数字计划——即处于数字计划趋向成熟的临界点。在2018年度调查中,这一比例为15%。但是,在扩展与改进数字计划方面,政府部门仍落后于其他行业(整体为33%)。在国防与情报领域的差距尤为明显,其中表示已经扩展数字计划的受访首席信息官仅占9%。
为了满足公民对于高效及有效服务日益增加的需求与不断变化的预期,政府部门必须持续提升其数字成熟度。政府部门首席信息官清晰地认识到了数字政府的潜力,并已经开始开发新的数字化服务,但目前必须通过数字领导力将数字计划从良好的愿景推向具体实施。
尽管数字化已引起重点关注,但仅有17%的政府部门首席信息官计划增加对数字化业务计划(digital business initiatives)的投资;而在其他行业,这一比例为34%。虽然政府部门首席信息官在数字政府及其新兴技术潜力方面展示出清晰的愿景,但45%的受访首席信息官表示缺少执行所需的IT及业务资源。
人工智能、数据分析与云排在政府部门颠覆性技术首位
人工智能率先成为政府部门首席信息官在2019年优先考虑的首要颠覆性技术。紧随人工智能(27%)之后的是数据分析(22%)与云(19%)。在去年的调查中,各级政府部门将云排在首位,但今年则整体排在第三位。
表一、颠覆性技术
排名 |
政府优先事项 |
受访者比例% |
1 |
人工智能/机器学习 |
27% |
2 |
数据分析 |
22% |
3 |
云 |
19% |
4 |
物联网 |
7% |
5 |
移动(包括5G) |
6% |
6 |
商业智能 |
6% |
7 |
数字化转型 |
6% |
8 |
区块链 |
5% |
9 |
自动化 |
3% |
10 |
客户关系管理 |
2% |
来源:Gartner(2019年1月)
人工智能带来了新的洞察与交付渠道,协助政府实现前所未有的更广泛扩展,进而让宝贵的人力资源重新分配给更加复杂的流程及决策。
10%的政府部门受访首席信息官已经部署人工智能解决方案,39%的受访首席信息官计划在今后一至两年内部署,另外36%计划在未来两至三年内部署人工智能解决方案。
网络安全、云与数据投资将有望增加
在各级政府部门中,商业智能(BI)与数据分析(43%)、网络/信息安全(43%)以及云服务/解决方案(39%)是2019年加大技术投资的最常见技术领域。云从2018年的第一位降至2019年的整体第二位。
表二、2019年首要的技术投资
排名 |
政府优先事项 |
受访者比例% |
1 |
商业智能/数据分析 |
43% |
1 |
网络/信息安全 |
43% |
3 |
云服务/解决方案 |
39% |
4 |
核心系统改进/转型 |
33% |
5 |
软件开发/升级 |
26% |
6 |
基础设施/数据中心 |
23% |
7 |
人工智能/机器学习 |
22% |
8 |
技术集成 |
21% |
9 |
客户/用户体验 |
20% |
10 |
移动应用 |
19% |
来源:Gartner(2019年1月)
网络安全依然将获得更多的投资,这反映出政府认识到,作为公共数据管理人,安全交易现已成为政府在数字世界里的筹码。
在今天的数字世界里,网络攻击随处可见,且更加恶意、造成更大损失,它们还侵蚀着公众信任。多年来,政府部门首席信息官不断提高网络安全的优先级,并努力加强网络警戒,以确保最大限度地化解不断演变的恶意攻击与威胁。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。