2020是备受挑战的一年,从全球来看,新冠疫情并没有阻碍企业的数字化转型进程,甚至在某些方面还加快了数字化转型。Gartner也开展了《2020年全球首席信息官议程调查》,中国CIO在其中给出了令人鼓舞的反馈。
而且今年CIO在企业中的地位有所提升,更多的CIO开始直接向CEO汇报,而之前CIO更多是支撑、辅助企业业务。疫情期间CIO帮助企业通过远程方式保证业务的正常运营、和客户进行交互,体现出IT对企业的价值。调查显示,中国87%的CIO向CEO或更高的领导汇报,向CFO、COO等汇报的比例都进一步减少。
数字化正在不断成熟
Gartner将数字化分为初始和成熟两个阶段,初始阶段为:已有数字化愿景、开始设计数字化解决方案、已交付数字化解决方案;成熟阶段为:数字化正在拓展并推广、数字化优化并收获。今年中国数字化成熟度显示,已交付数字化解决方案的企业最高达到32%,成熟阶段分别为19%和29%,所以将近半数的中国企业认为自己已进入到数字化转型的成熟阶段。
今年全球的IT预算增加了2%,中国的IT预算增加了5.3%。Gartner研究副总裁陈勇(Owen Chen)认为,在GDP增速下降的当下,全球IT预算还能正增长,而且中国有5.3%的增长——是一个非常好的表现,证明IT的作用得到了认可。

Gartner研究副总裁陈勇
今年Gartner针对新冠疫情也进行了相关调查,划分出恢复旧常态和进入新常态两个阶段。目前来看,19%的企业已恢复到旧常态;而进入新常态的企业分为三类——23%的企业计划进入新常态、35%的企业正在实施新常态、13%的企业已实施完成。
中国企业对于2021年都表现出乐观的态度,认为在销售收入、员工生产力、利润、长期生命力方面都会做得更好。陈勇表示,疫情对于企业并不是毁灭性的打击,而是重新洗牌的过程,2019年中国企业对未来两年的表现都表示不乐观,而今年态度却有所缓和。
疫情对于商业模式也带来了一些改变,但没有企业认为会造成颠覆性的改变,而是更多认为有一些改变。因为生产型的企业在生产端仍在生产,在交付和下单方面可能会使用数字化手段,所以在战略方向上并没有太大调整和变化。
中国特色的未来IT投资
“在新冠疫情的大背景下,IT投资也更需具有战略性,而不是策略性。”陈勇说,中国35%的企业增加了IT培训,26%的企业增加了IT人员。
中国90%的企业增加了数字化渠道与客户进行交互和交易,未来在自助服务、引入新产品等方面都会发力。消费者也有一些改变,90%的企业认为消费者需要更多的数字化产品和服务,68%的企业认为疫情结束会产生新的客户,52%的企业认为其产品和服务会有新的市场需求。
在未来IT投资方面,中国企业认为“游戏改变者”的技术第一名是人工智能和机器学习,达到43%,远超占比29%的第二名商业智能和大数据,云计算则是第三、占比14%。陈勇表示,中国和全球的数字上有一些差异,人工智能和机器学习投资重点是吻合的,但是网络安全在全球进入前五,中国则排名较后,同时物联网和区块链在中国也受到了更多关注。
RPA不是一个新技术,但是RPA在近两年受到了越来越多中国企业的青睐,尤其是金融、零售、媒体行业。在应用场景上,中国企业使用人工智能和机器学习在“人脸识别”上,这和国外有很大差别,国外更多因为隐私法规,没有大面积使用“人脸识别”。中国与国外企业在聊天机器人、欺诈检测、自然语言处理方面的使用场景相似。
在技术的投入上,人工智能和机器学习、云计算、商业智能和数据分析还将是中国企业投入的主要领域。减少较多的是ERP、将减少17%的投入。IT基础设施增加和减少分别是40%和35%,相差5%。由此可见,IT基础设施呈现缓慢减少之势,但仍然是企业IT的主要投资领域。
最后,CIO在2021年规划时,要认识到当前的两大不确定性——地缘政治与新冠疫情。陈勇表示,面对不确定的未来,制定规划就会更加困难,因为不确定性会出现不同的场景。在规划时,企业需要了解自身发展方向和IT工作重点,以此重塑竞争力。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。