至顶网CIO与CTO频道 06月01日 编译:
笔者的一位朋友上周分享了一张有趣的图片。标题是“谁在领导贵公司的数字化转型?” 标题下有三个选项:
A、首席执行官(CEO) B、首席信息官(CIO) C、COVID-19
图片中圈起来的是C。即是说对于企业而言,新冠危机开始之后企业才成了虚拟企业,由于需要真人互动的收入流关闭,有些企业才开始做出此类改变。绞架幽默说明企业在这方面做得太少、太迟。
新冠全球流行,我们无法面对面地亲自做生意或在业务环境里做很多事情,其结果是风险资本家和企业加大了对数字业务趋势的投资。但其实到到目前为止,对于许多经受了这场新冠风暴袭击的公司而言,应该选B。
设想一下,如果这次的新冠大流行发生在十年前企业会是什么样子。那时候不是每个人都可以用视频会议,许多企业没试过使用在家工作的方案,当时的基础架构都是硬邦邦的铁金属,再加上固定成本和长期的摊销时间表。那时候要向虚拟工作转变就要困难得多,而且当时的许多企业也没有像现在这样可以用许多杠杆来降低成本。其结果是,失去的工作岗位比现在面临失去的工作岗位更多。从许多方面来看,上一次经济危机令一众公司将重点关注放在变化上,所以我们现在看到许多公司能够更加抗压。
有人将2008年的经济大衰退与目前的危机进行比较,两者之间存在着明显的差异。Nicholas Carr在2003年在著名的《哈佛商业评论》上发表了题为 “IT无关紧要”后,五年间一些人相信文章的观点成立。许多企业都同意Carr的看法,而且还根据这种观点将公司的IT运营主要部分进行外包。2008年大衰退发生后,各公司挥刀砍掉IT部门,裁掉整个团队。他们没有意识到业务在改变,他们砍掉的正是自己兵器库里最有力的战略武器。
后来云计算、数据分析、人工智能和机器学习四大趋势及其他IT科技大行其道,各个公司利用这些科技可以灵活地在自己的基础架构和数据上利用“即服务”技术挖掘公司拥有的最宝贵的数据资产做出各种更好的决策。是谁在领导这种转型?通常是具有远见的CIO。
快进到当下,一众公司现在可以降低某些科技产品的成本,而且不用削减更有价值的资产:人。即便是必须裁员,用的也是手术刀而不是大刀。(笔者说的当然不是那些受到严重伤害的行业,例如酒店、航空和餐饮业,这些行业里用手术刀行不通。)此外,这些公司现在可以利用收集到的有关客户、收入和业务运营的数据进行更好微调及评估公司业务的健康状况。这些公司也投资购入了各种各样的安全工具,安全工具可以在日益复杂和威胁增加的情况下(大家都在家里工作,大多数人不是在办公室工作)保护公司。因此公司抗压性和灵活性都增加了,二者在疫情期间显得更为关键。
还有,那些早先转型的公司从困境里抽身的速度也快些,真正开始复苏时这些公司恢复得也快些。那些在危机之前在转型上落在后面的公司应该加倍努力。值得庆幸的是,笔者与约50位CIO的交谈过,从而得知自隔离开始以来数字转型工作在许多企业里在一定程度上仍然得到资助。还是挺暖心的。
斯坦福大学经济学家Paul Romer在2004年11月曾说过,“危机被浪费掉是一件可怕的事情。” 他指的是当时美国面对(现在当然仍要面对)来自其他国家教育水平迅速提高的竞争。他的话今天更加恰当。请注意啦,要利用这次机会在那些能够定义可以在未来胜出的业务的科技上投资。
好文章,需要你的鼓励
OpenAI、Anthropic和Google的AI代码助手现在能够在人工监督下连续工作数小时,编写完整应用、运行测试并修复错误。但这些工具并非万能,可能会让软件项目变得复杂。AI代码助手的核心是大语言模型,通过多个LLM协作完成任务。由于存在上下文限制和"注意力预算"问题,系统采用上下文压缩和多代理架构来应对。使用时需要良好的软件开发实践,避免"氛围编程",确保代码质量和安全性。研究显示经验丰富的开发者使用AI工具可能反而效率降低。
这项研究由北京交通大学研究团队完成,系统阐述了人工智能智能体从"流水线"范式向"模型原生"范式的转变。研究表明,通过强化学习,AI可以自主学会规划、使用工具和管理记忆等核心能力,而不再依赖外部脚本。论文详细分析了这一范式转变如何重塑深度研究助手和GUI智能体等实际应用,并探讨了未来多智能体协作和自我反思等新兴能力的发展方向。
英伟达与AI芯片竞争对手Groq达成非独家授权协议,将聘请Groq创始人乔纳森·罗斯、总裁桑尼·马德拉等员工。据CNBC报道,英伟达以200亿美元收购Groq资产,但英伟达澄清这并非公司收购。Groq开发的LPU语言处理单元声称运行大语言模型速度快10倍,能耗仅为十分之一。该公司今年9月融资7.5亿美元,估值69亿美元,为超200万开发者的AI应用提供支持。
Prime Intellect团队发布开源AI训练全栈INTELLECT-3,这个106亿参数模型在数学、编程等测试中超越多个大型前沿模型。团队完全开源了包括prime-rl训练框架、环境库、代码执行系统在内的完整基础设施,为AI研究社区提供了高质量的训练工具,推动AI技术民主化发展。