至顶网CIO与应用频道 05月16日 编译:根据Gartner进行的一项全球调查显示,中国有33%的CIO将数字计划作为他们首要的业务重点。
Gartner高级研究总监Owen Chen在上海举行的Gartner大中华区CIO峰会上表示,CIO们对数字业务的强烈关注,是因为中国大多数产业目前正在经历重塑和重新定义的重要阶段。
调查显示,有半数中国企业称他们正处于商业模式的变革过程中。
Chen表示:“传统企业正在失去低劳动力成本的竞争优势。与此同时,他们看到百度、阿里巴巴和腾讯等互联网巨头所取得的成功,并试图模仿这些互联网企业的商业模式。政府还鼓励企业通过‘互联网+’和‘中国制造2025’等倡议开展数字业务。”
调查还发现,中国的CIO们正在重新平衡他们的技术组合用于数字化转型,大多数新的资金或者额外的资金用于了数据分析、数字项目(包括数字营销)、人工智能/机器学习上。
预算紧张
平均来看,中国CIO预计2019年IT预算大约增长6.6%,是亚太平均增长率(3.5%)的2倍,是全球平均增长率(2.1%)的3倍。但是,我们需要谨慎看待这些数据,因为该调查是在中美贸易战带来主要影响和中国经济放缓之前进行的,因此2019年的实际增幅可能会低于预期。
Chen表示:“只要贸易战持续下去,就会对数字化项目相关投资产生负面影响。仍那些希望继续数字业务之旅的中国CIO们,需要减少在传统IT上的支出,从而把更多资金分配用于数字化项目上。”
数字技能短缺
另一个值得关注的原因是技能上的差距。有近一半(49%)的中国CIO表示,数字能力在深度和广度上的不足,是实现CIO目标的最大障碍。
互联网巨头的崛起,使得中国传统企业缺乏数字化相关的技能组合。百度,阿里巴巴和腾讯与传统企业之间的薪酬差距远大于世界其他地区。因此,才华横溢的毕业生和专业人士更愿意在互联网巨头那里寻求职业,而不是加入传统企业。
Chen表示:“学习新的技能和培训应该成为中国CIO们的首要任务,为了在数字业务上取得成功,数字化员工队伍必不可少。”
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。