预算、人才储备、网络威胁——现在和不久的将来,技术领导者及其团队都将面临诸多挑战。这场疫情让我们看到,技术领导者及其团队经常突然就被要求为行业和群体提供他们所需的解决方案。
但正如大多数技术专家所知的,解决问题并不总是意味着要解决所有的问题,而是要优先考虑眼下最紧迫的问题。下面,这12位技术行业领导人讨论了他们及其团队现在和不远的未来将要面临哪些最为紧迫的挑战。
1.适应客户变化
在当今这个充满挑战的环境中,技术团队面临着产品重点、预算、时间进度、团队变化等方面的阻碍,而最大的难点就是,如何适应客户的变化。最成功的科技企业往往能够深入了解客户的需求,而且我们从未看到过当前这样在客户购买习惯、客户需求、客户留存方面发生的巨大变化。——Russell P Reeder,Infrascale
2.采用新技术和新流程
疫情让很多企业不得不加快采用远程协作等数字化的步伐。快速采用新技术和新流程会是令人痛苦的,你要解决这些痛苦,才能避免影响生产力以及避免引发员工的不满。最好的办法是(如果可能的话)一小步一小步地实施,确保让你的团队始终参与其中。——Saugu Yoskovitz,Augury
3.安全检测和响应自动化
企业组织应该优先考虑加大对安全团队的投资。多年来,我们一直生活在警报过载的时代,安全和响应团队对收到的数据点感到不知所措。很多时候,威胁事件悄然地就通过了防御网。为此,企业组织需要构建一个行为分析基础,这有助于检测攻击行为并对事件进行自动响应。——Stephen Moore,Exabeam
4.围绕网络威胁对员工进行培训
让员工能够随时随地安全地工作,这是一个巨大的挑战。研究表明,在家办公时,有48%的员工不太可能遵循安全数据惯例。随着远程工作成为常态,技术团队必须对员工进行网络钓鱼威胁方面的培训,采用新的策略和解决方案,保护数据免受在家办公过程中的一些危险行为以及人为错误事件的影响。——Edward Bishop,Tessian
5.大规模交付更好的软件
由于缺乏高级人才和先进的软件系统,每年企业组织在软件开发生产力上损失约3000亿美元。增加软件交付的边际成本,将极大地影响技术领导者及其业务。技术领导者在了解自动化如何让他们能够大规模地交付更好的软件方面面临着巨大挑战。——Kyle Campbell,CTO.ai
6.预算限制导致自动化项目的延迟
有限的预算导致自动化项目一再推迟,进而导致员工(和可能缩减了规模的团队)要承担更多的日常任务,这不仅占用他们的精力,而且降低了他们实现业务价值的能力。企业需要专注于两件事:高价值自动化项目必须优先,以及务实地运用AI方法实现价值。——Ram Chakravarti,BMC Software
7.技术团队的自满
技术团队面临的最大挑战是自满。技术的发展日新月异,如果你的团队不能掌握最新的工具和技术,就将失去竞争优势。与新兴技术保持同步并创建原型,可确保你处于领先位置,并会建议客户采用这些新技术。——Swathi Young,Integrity Management Systems。
8.技术期望错位
就期望达成共识,这是技术部门和业务部门之间的关系面临的最大问题。如果期望不一致,则会引发挫败感进而预算遭到缩减,并暴露出意料之外的风险。当IT可以建立与业务部门一致的技术预期,那么预算、项目、人才等问题都将迎刃而解,因为你得到了业务方面的支持。——Robert Chapman,Solutions
9.过时
过时是对技术领导者最大的威胁。有了云,所有需求都可以按需提供,大多数技术领导者很快就会发现,自己变得有些多余了。与时俱进的唯一方法就是不断学习,尤其是你要想到有那么多新型人才正源源不断地涌入。我们要不断提升我们的话语权,否则只会变成多余的人。——Rockmetric,Samiran Ghosh
10.寻找并留住IT人才
寻找、聘用和留住顶尖IT人才始终是IT行业的重大挑战,尤其是对那些只能从本地人才库中组建团队的企业来说。采用远程的方法和人员扩充策略可以改变这一点。我敢肯定,不久的将来,我们会看到专业开发者团队的规模将越来越壮大。——Nares De Marco,BairesDev
11.确保安全的工作环境
在远程办公的新模式下,技术团队面临的最大挑战是如何维护一个高效且安全的工作环境。最近像Twitter遭遇的黑客攻击,证明了远程办公不安全的话是有多么地不安全。在安全工具(例如VPN、IP安全和双重因素身份验证)之上使用专用无线宽带可以帮助技术团队避免在远程办公时出现在线漏洞。——Ahmad(Al)Fares,Celitech。
12.在日常任务和长期任务之间取得平衡
最大的挑战是在日常任务和长期战略计划之间取得一个健康的平衡。网络威胁、技术目标和业务目标正在发生变化,而且为了跟上竞争步伐和不断变化的威胁态势,技术领导者必须确保战略任务不会被置于常规任务之下,这就要求与管理层进行持续的沟通,并乐于学习。——Ilia Sotnikov,Netwrix
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。