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
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。