至顶网CIO与应用频道 05月15日 北京消息:全球领先的信息技术研究和顾问公司Gartner于近期开展的首席执行官和高管调查显示,首席执行官仍然把增长列为2019年和2020年的头号工作优先事项。相比去年的调查结果,最显著的变化是越来越多的首席执行官开始重视财务事宜,尤其是提升盈利能力。
Gartner 2019年首席执行官和高级业务主管调查(Gartner 2019 CEO and Senior Business Executive Survey)在2018年第四季度访问了473位首席执行官和高级业务主管,了解他们的业务问题以及技术议程影响的领域。总计有473位来自年收益为5000万美元或以上公司(其中60%的年度收入为10亿美元或以上)的业务主管参与了调查。
Gartner副总裁兼杰出分析师Mark Raskino表示:“在去年增长率经历了大幅下跌后,今年增长率从2018年的40%上升至53%。这表明,在风起云涌的环境中,首席执行官将其注意力转移到战术性业绩上。”
与此同时,财务优先事项、成本和风险管理的提及次数有所上升(参见图一)。Raskino先生认为:“但据我们观察,首席执行官都无意大幅削减各个业务领域的成本。他们意识到经济挑战日益增多,而且态度愈发谨慎——他们并非为经济衰退做准备。”
图一、首席执行官的十一大业务优先事项
来源:Gartner(2019年5月)
新的增长机会
该调查结果显示,面对增长挑战时,一般的解决方案是寻求在其它地区实现增长。受访者在回答时谈到了其他城市、州、国家和地区,而且“新市场”也包括可扩展的地理范围(新市场也可以是行业相关市场或虚拟区域)。
Raskino先生表示:“当传统和国内市场出现饱和或发生衰退时,通过开拓其它地区的市场来获得增长也就成了自然而然的选择。但今年,此类国际地域情况复杂,更因地缘政治格局发生转变而难以预料。23%的首席执行官认为,关税、配额和其他贸易管制形式对其企业产生了显著影响。另有58%的首席执行官对此问题表示普遍担忧,这表明越来越多的首席执行官预计该问题在未来可能对其企业产生影响。
首席执行官应对增长前景疲软和利润率下降的另一种方式是实施多元化业务——这更加意味着开展数字化业务,以提供新产品和创收渠道的必要性。82%的受访者承认他们正在制定让公司变得更加数字化的管理计划或转型方案——该比例在2018年为62%。
对技术寄予厚望
成本管理正引起首席执行官的更高重视,其优先级从2018年的第十位提升至当前的第八位。当被问及成本控制方法时,27%的受访者提到了技术赋能,这也成为继人员和组织措施(如:奖金以及费用和预算管理)之后的第三个指标。但在考虑生产力和效率举措时,首席执行官更倾向于将技术视为一种工具。47%的受访者认为技术是提高生产力的两大方法之一。
面向所有企业高管的数字技能
实施数字化业务需要企业所有高层人员都参与其中。但调查结果显示,首席执行官担心一些高管不具备能够应对未来挑战的强大甚至足够的数字技能。首席执行官通常认为销售、风险、供应链和人力资源等部门最需要更多的数字化人才。
一旦所有的企业高管更加认同数字化业务,企业就必须培养执行其业务战略的新能力。当被问及其所有公司最需要培养哪些组织胜任力时,18%的首席执行官提到了人才管理,紧随其后的是技术赋能和数字化(17%)以及数据中心性或数据管理(15%)。
Raskino先生表示:“以数据为中心的决策将引发管理体系中的关键文化和能力变革,并有望在数字化时代蓬勃发展。企业高管必须成为业务部门和整个组织内鼓励和促进数据为中心(data centricity)及数据素养(data literacy)的榜样。”
Gartner客户可阅读报告全文《2019年首席执行官调查:增长挑战年》(2019 CEO Survey: The Year of Challenged Growth),了解更多信息。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。