根据Gartner的最新预测,2022年全球IT支出预计将达到4.5万亿美元,相比2021年增长5.1%;中国IT支出预计将突破5400亿美元,涨幅7.89%。
尽管受奥密克戎变体的潜在影响,全球经济复苏,特别是对数字市场繁荣的高度预期,将持续推动技术投资的增长。
Gartner杰出研究副总裁John-David Lovelock表示:“2022年将是首席信息官的回归之年。在处理过去两年的短期关键项目之余,他们终于得以专注于长期项目。同时,员工技能差距、工资上涨和人才争夺战将促使首席信息官进一步依赖咨询公司和管理服务公司来实现他们的数字化战略。”
Gartner预测,2022年IT服务市场(包括咨询和管理服务)支出增长预计将位居第二,达到1.3万亿美元,相比2021年增长7.9%(见表一)。其中,业务和技术咨询支出在2022年的预计涨幅将达到10%。
表一、全球IT支出预测(单位:百万美元)
2021年支出 |
2021年增长率(%) |
2022年支出 |
2022年增长率(%) |
2023年支出 |
2023年增长率(%) |
|
数据中心系统 |
216,337 |
11.4 |
226,475 |
4.7 |
237,021 |
4.7 |
企业软件 |
604,946 |
14.4 |
671,732 |
11.0 |
751,937 |
11.9 |
设备 |
787,417 |
13.0 |
813,699 |
3.3 |
804,253 |
-1.2 |
IT服务 |
1,186,103 |
10.7 |
1,279,737 |
7.9 |
1,391,742 |
8.8 |
通信服务 |
1,444,324 |
3.4 |
1,462,712 |
1.3 |
1,494,167 |
2.2 |
共计 |
4,239,127 |
9.0 |
4,454,354 |
5.1 |
4,679,119 |
5.0 |
来源:Gartner(2022年1月)
Gartner预测,由于更为迫切且迅速的变革需求,企业的数字业务目标与内部资源和能力的不匹配将被进一步放大,因此直到2025年,企业对外部顾问的依赖将持续增长。
Gartner预计未来几年,绝大多数大型企业机构都将依靠外部顾问来制定他们的云战略。Lovelock表示:“云是实现数字化目标和支持混合工作模式的关键因素之一,所以这一点在云上体现得尤为明显。”
在企业应用软件市场,受新冠疫情等因素的影响,云市场规模在2020年首次超越非云市场,Gartner预计到2025年其规模将是非云市场的两倍。出于软件栈对灵活性和敏捷性方面的要求,2022年企业会倾向于将其软件栈升级为软件即服务(SaaS),因此2022年企业软件领域11%的支出增长几乎全部来自于云。
2022年,中国IT支出预计突破5400亿美元,相比2021年增长7.89%,其中IT服务和软件预计将产生两位数增长。(见表二)。
表二、中国IT支出预测(单位:百万美元) |
||||||
2021年支出 |
2021年增长率(%) |
2022年支出 |
2022年增长率(%) |
2023年支出 |
2023年增长率(%) |
|
通信服务 |
206,154 |
3.24 |
215,669 |
4.09 |
226,573 |
3.98 |
数据中心系统 |
44,241 |
9.86 |
47,844 |
7.60 |
51,323 |
6.18 |
设备 |
154,306 |
3.99 |
166,816 |
7.56 |
169,004 |
0.28 |
IT服务 |
73,699 |
17.65 |
86,007 |
16.11 |
101,657 |
16.99 |
软件 |
22,109 |
18.06 |
26,405 |
18.83 |
31,050 |
16.39 |
共计 |
500,508 |
6.56 |
542,741 |
7.89 |
579,607 |
5.70 |
来源:Gartner(2022年1月)
Gartner的IT支出预测方法十分依赖于数千家厂商对整个IT产品和服务范围的严谨销售分析。Gartner结合一手调研技术与二手调研资料,建立了一个完整的市场级规模数据库并以该数据库作为预测的基础。
Gartner季度IT支出预测报告以独特的视角对硬件、软件、IT服务和电信领域的IT支出进行预测,帮助Gartner客户了解市场机会与挑战。Gartner客户可在“Gartner Market Databook, 4Q21 Update”中获得最新IT支出预测研究结果。该季度IT支出预测页面包含最新IT支出报告、网络研讨会、博客文章和新闻稿的链接。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。