至顶网CIO与CTO频道 08月27日 北京消息: 新兴技术是支持中国企业数字化转型与创新的主要引擎。Gartner 2020年中国信息与通信技术(ICT)成熟度曲线涵盖了24项技术和实践,可以帮助基础设施与运营领导者抓住数字营收机会、实现可持续业务能力(见图1)。
今年的技术成熟度曲线新增了一些在中国正逐渐崛起或受到热炒的新技术:工作流协作、电商直播、数据中台、中台架构、云安全技术、区块链技术。
图1 来源:Gartner(2020年7月)
工作流协作
中国的工作流协作技术集成了通信、协作、业务流程和知识管理等技术,相应工具则为用户提供了自助服务和横跨整个平台的开箱即用体验。用户利用这些工具可以进行实时的内部和外部协作,从任意地点用任意设备向客户交付服务。
在新冠肺炎疫情期间,工作流协作成为支持企业机构日常沟通、会议和其他业务运营的关键能力。因保持社交距离的需要,钉钉、华为云WeLink和腾讯会议等工作流协作工具在中国得到广泛采用,用于维系业务的连续性。
电商直播
电商直播在新冠肺炎疫情之前已经迅速崛起,瑞信(Credit Suisse)估计中国电商直播市场2019年达到50亿美元规模。而在疫情期间,众多企业被迫采用电商渠道,直播电商凭借可快速启动和无需太多技术基础而广受青睐,中国直播电商行业也随之迎来井喷式发展。
随着日活跃用户累计接近10亿,抖音、快手等领先的中国电商直播平台已成为重要的流量来源。部分企业报告了令人欣喜的数据,直播吸引了大量用户,一场三个小时的直播甚至可以贡献线下实体店六个月的客流量。淘宝、京东和小红书等电商平台也推出了自己的直播频道,提供无缝购物体验。
数据中台
数据中台是一种组织策略,可以帮助企业机构有效地赋能前端的流数据和交易数据用户,使其可以单一和一致的角度使用后端部门中生成的数据,做出决策。搭建数据中台最简单的思路是考虑企业如何管理可编组和可复用的数据与分析能力,这些功能可提供独特的数字业务,并通过其技术堆栈将数字业务贯穿到整条价值链。
鉴于市场中的过热炒作以及关于数据中台定义和交付方式的固有困惑,数据中台技术更进一步接近期望膨胀期。阿里巴巴集团提出了数据中台概念,很多互联网企业随后也给出了自己的定义和产品。企业机构如果不清楚如何在自己的业务环境中构建可复用的数据和分析能力,将难以有效地采用这些能力。
中台架构
自阿里巴巴集团2015年推出“中台”概念后,腾讯、百度、字节跳动、滴滴出行等互联网大企业也纷纷推出自己的中台项目。
考虑到过去几年其用户的指数级增长,中台已成为中国市场的一个关键话题,很多企业认为中台是其加速数字化转型的关键因素之一。与此同时,技术和服务提供商也一直在宣扬中台的优越性,过去12个月对中台的投资一直非常活跃。如何设计可落地的中台架构却是市场上很多IT负责人的挑战。Gatner观点是中台架构应该通过构建场景应用,使用产品管理方式慢慢演进出来的,而不是部署另外一个大而全的系统。
云安全技术
云安全技术覆盖面很广,包含从人、流程到技术的核心概念,具体技术包括云安全架构、云访问安全代理(CASB)、云工作负载保护平台(CWPP)、云安全态势管理(CSPM)和安全访问服务边缘(SASE)等。在中国,云安全是一个热门话题,也是云转型过程中的一个重大挑战。
Gartner观察认为,云安全是中国企业公有云转型中的主要障碍之一,如果一开始缺乏布局,往往会拖累了整体迁徙的进程。企业不能寄希望于云安全厂商能像本地服务厂商一样提供一刀切的解决方案。中国多数国内云安全厂商侧重于以项目交付的方式提供云工作负载保护,以帮助客户安全地使用公有云。但企业需要了解物理基础设施与云服务之间的安全能力差距,并开始转变安全能力,并且购买云安全的相关服务,以适应未来的混合基础设施模式。
区块链技术
在中央政府的大力支持下,中国区块链取得的进展领先于其他国家和地区。2016年,区块链被纳入中国十三五计划,经历过2018年下半年的期望膨胀期后,2019年10月,中央政府强调把区块链作为核心技术自主创新的重要突破口,区块链技术在中国逐渐从泡沫破裂低谷期复苏。伴随投资的增加,中国正在从更实际和商业可行的角度让区块链落地。
尽管“区块链完整解决方案”目前并未广泛推出,有业务价值的区块链用例正在中国市场兴起。这些用例通过在供应链金融、贸易融资、保险等领域创造全新的业务模式提供了业务价值。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。