从工信部获悉,统计测算数据显示,从2012年至2021年,我国数字经济规模从11万亿元增长到超45万亿元,数字经济占国内生产总值比重由21.6%提升至39.8%。
Gartner也在近期发布了数字化经济报,报告显示“数字经济”2021年在中国经济中占比已达到40%,除互联网等传统数字经济领域外,金融、零售、高端制造等领域的中国企业数字化转型整体成熟度正在不断提升。
Gartner报告指出,“数字经济”是指数字化设备、数字化服务,以及数字化技术所产生的新的交互和业务场景。并且将数字化转型划分为信息化、数字化、智能自动化三个过程。
数字化转型本身就是数字经济的一种重要体现,数字化转型对企业已经是一个非常熟悉的概念。Gartner研究副总裁孙志勇(Daniel Sun)博士认为,很多企业还没有区分清数字化和数字化转型,他们对IT的定位有明显的偏差,这也是很多企业在数字化转型“深水区”出不来的原因。
Gartner研究副总裁孙志勇(Daniel Sun)
现在再谈数字化转型我们要赋予更多的意义,Gartner把数字化转型分为深水区、加速期和收获期三个阶段。
孙志勇表示,数字化转型的变化程度比较快,现在很多人都在说数字化转型已经进入深水区,现在其实已经有很多企业从深水区进入到加速期,甚至进入收获期。
数字化转型不同阶段的企业有着不同的特征,深水区的企业把数字化转型等同于IT,加速期的企业更多聚焦在IT与业务的融合,收获期的企业已经不在考虑IT的定位和与业务融合,而是关心商业模式上的创新。
不同阶段的企业有不同需要明确和解决的问题:
深水区的企业需要明确:什么是数字化转型,如何正确定位IT在数字化转型中的作用,如何确保企业高层助力数字化转型;
加速期的企业需要解决:如何通过解读政策来寻找IT与业务融合的方向,如何在战略层面上实现IT与业务融合,如何在运营层面上实现IT与业务融合;
收获期的企业需要解决:如何设计数字化商业模式创新与转型,如何通过“组装式业务”为数字化转型打下基础,如何通过数字化生态收获数字化转型成功。
一些特色行业,像金融行业的产业政策就是在帮助行业数字化转型梳理方向,这也是因为监管部门的科技水平、科技动向、洞察能力越来越强。如何判断出企业现在处在哪个阶段是很重要的,这样才能专注于解决当前的关键性问题。
“很多人都在讲,数字化转型是一把手工程,一把手要多大程度介入到数字化转型过程中,很多企业没有弄清楚。一把手需要解决数字化转型道路上的关键障碍,而且这些障碍是业务部门和IT部门无法单独解决的。”孙志勇说道。
如果没有了解业务需求去做数字化转型,就只是完全的交付和被动的执行,只有理解了整个产业政策和动向发展之后,就能更有效的与集团或者业务部门进行更为深度的沟通,更好的定位自身发展方向。
在运营模式上企业需要全面推进“IT与业务融合”,“财务、决策、绩效、人才、外包、组织、地点、工具、工作方式”九个关键方向,是帮助企业从规划到落地非常重要的保障手段。
在人才方面,未来“舵手型人才”会更加受到企业重视,他需要考虑未来IT投入时,如何从业务场景出发,一方面懂商业模式,一方面具备一定的科技基础,提前部署“舵手型人才”能够让企业发展的速度和效能进一步提升。
除了互联网行业,金融和零售这些数字化相对领先的行业,央企和国企是具备潜力的行业,因为现阶段央企和国企的数字化转型正在不断引入数字化技术,重点在自动化、数据和管理流程改造,这些企业一旦投入进来,发展和变革的速度是可以想象的。
如何通过数字化生态收获数字化转型的成功?孙志勇认为,“生态”是数字化转型中的高阶打法,也是实实在在能够变现的一种打法。变现方式一方面可以通过对外科技输出,一方面通过生态连接多个体系。
中国提出的信创、自主可控在某种程度上会刺激本土科技企业的进一步发展,同时通过数字化手段带来新的服务和场景,国民经济又被进一步刺激,所以数字化转型对于数字经济有着绝对的正向作用。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。