至顶网CIO与应用频道 04月18日 北京消息:全球领先的信息技术研究和顾问公司Gartner表示,2019年全球IT支出预计将达到3.79万亿美元,较2018年增长1.1%。
Gartner研究副总裁John-David Lovelock表示:“由于日益坚挺的美元造成了汇率压力,我们下调了2019年IT支出预测。预计到2019年末,美元有望持续走强,同时受经济和政治环境的不确定性以及贸易战的影响,美元将出现大幅波动。”
Lovelock先生认为:“2019年,技术产品经理须平衡2019年继续增长的产品服务和那些趋于平稳甚至下滑的更大市场,以提升其产品组合策略。到2020年,成功的产品经理将以长远的眼光看待2019年出现的变化。”
数据中心系统支出将在2019年经历最大幅的下降,降幅为2.8%(见表一)。这主要是由于服务器市场受预期组件成本调整驱动,出现预期平均销售价格(ASPs)下滑。
企业IT支出从传统(非云)产品向基于云的新型产品的转变正在继续推动企业软件市场的增长。2019年,该市场规模预计将达到4270亿美元,较2018年的3990亿美元增长7.1%。迄今为止最大的云迁移出现在应用软件领域。不过,Gartner预计,基础设施软件领域近期将加速增长,尤其是集成平台即服务(iPaaS)和应用程序平台即服务(aPaaS)。
表一、全球IT支出预测(单位:十亿美元)
2018年支出 |
2018年增长率(%) |
2019年支出 |
2019年增长率(%) |
2020年支出 |
2020年增长率(%) |
|
数据中心系统 |
210 |
15.5 |
204 |
-2.8 |
207 |
1.7 |
企业软件 |
399 |
9.3 |
427 |
7.1 |
462 |
8.2 |
设备 |
667 |
0.3 |
655 |
-1.9 |
677 |
3.5 |
IT服务 |
982 |
5.5 |
1,016 |
3.5 |
1,065 |
4.8 |
通信服务 |
1,489 |
2.1 |
1,487 |
-0.1 |
1,513 |
1.7 |
整体IT |
3,747 |
4.0 |
3,790 |
1.1 |
3,925 |
3.6 |
来源:Gartner(2019年4月)
Lovelock先生认为:“首席信息官们如何选择技术投资对于数字业务的成功至关重要。人工智能等颠覆性新兴技术将重塑商业模式,以及公共和私营企业的经济状况。人工智能正在对IT支出产生重大影响,尽管它的作用经常被误解。人工智能并不是一种产品,而是一套技术或一门计算机工程学科。正因如此,人工智能被嵌入到许多现有的产品和服务中,并成为每个行业新研发计划的核心。根据Gartner的人工智能业务价值预测,仅今年一年,各机构就将从人工智能应用中获得1.9万亿美元的收益。”
Gartner预测,中国在2019年对技术产品和服务的总支出将会增长3.7%,达2.9万亿人民币,到2022年,将达到3.2万亿人民币。
表二、2018-2022年中国IT支出预测(单位:百万元人民币)
2018年 |
2019年 |
2020年 |
2021年 |
2022年 |
|
设备 |
924,540 |
944,970 |
998,107 |
1,001,019 |
1,030,237 |
数据中心系统 |
230,087 |
229,255 |
240,174 |
249,611 |
263,264 |
软件 |
76,573 |
87,777 |
100,453 |
114,977 |
132,164 |
IT服务 |
197,975 |
226,116 |
259,726 |
300,077 |
348,388 |
通信服务 |
1,362,738 |
1,406,901 |
1,438,802 |
1,449,134 |
1,469,586 |
整体IT |
2,791,914 |
2,895,018 |
3,037,262 |
3,114,817 |
3,243,639 |
来源:Gartner(2019年4月)
关于IT行业前景的详细分析可详见免费网络研讨会:“IT支出预测(2019年第一季度更新):人工智能的应用、构建与销售”(IT Spending Forecast, 1Q19 Update: AI — Use it, Build it or Sell it)。
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,以建立一套完整的市场规模数据库,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。如需了解最新的IT支出预测研究,请参见《Gartner 2019年第一季度最新市场数据手册》(Gartner Market Databook, 1Q19 Update)。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。