美国气象服务公司DTN不仅仅提供天气预报服务,还为农业、能源、大宗商品和金融行业企业提供决策支持服务。DTN的气象相关服务可以是很简单的,例如帮助公用事业企业预测短期能源需求;也可以是很复杂的,例如根据风暴形成情况提供有关远洋货船路线的建议。
多年来,DTN收购了多家细分领域的数据服务提供商,每家提供商都有他们自己的IT系统,复杂的环境对DTN的IT创新能力提出了挑战。
Lars Ewe在2020年2月加入DTN担任首席技术官,当时他所面对的是一个令人感到棘手的IT环境。他说:“公司在经过各种收购之后总共有五种不同的预测引擎在运行。因为我们把大部分的精力都放在让这五个系统并行运行上,因此很少有创新成果的产出。”
DTN收购来的预测系统是由不同的企业在不同技术堆栈上开发的,存储、警报系统和可视化层都是不同的。
Ewe开玩笑说:“这些系统都有一个共同点,它们都在努力预测天气!”
Ewe和新同事一起工作,很快就确定了围绕单个预测引擎重建这五个系统这一首要任务。
并购之后的策略
Ewe说,企业在并购之后整合IT系统的时候经常会犯战略性的错误。他说:“最常犯的错误就是,‘既然我们收购了你们,那么显然是我们胜出了’。但是,仅仅因为A收购了B,并不能假设A的技术比B好。”
另一个常见的错误是只看数字,仅仅因为收入或者盈利能力更高就选择一个公司的IT系统而放弃另一个公司,“问题在于你过度简化了流程”。
整合两家公司的IT系统是需要投入时间和金钱的。Ewe说:“这值得多花几周的时间更彻底地去分析哪个解决方案或者哪些解决方案的哪些部分应该整合在一起。”直接做出选择并做出错误的决定,从长远来看可能是要付出更高代价的。
在根据这些需求评估现有资产之前,Ewe咨询了产品和销售管理以及客户,确定DTN的单一引擎必须满足所有需求以及使用场景。他还有其他要求,包括系统应该运行在云端。为了确保决策过程的成功,Ewe将负责运行每个预测系统的员工组合成一个团队。
“从这五个团队开始,大家都觉得他们自己的系统是最好的,其他系统是不行的,这很自然。”还有的IT员工担心他们工作是否稳定,和他们维护的系统能否持续运行是相关联的,这也是可以理解的。
为了解决这个问题,Ewe从一开始就强调了成长的潜力。他说:“我们有如此多的机会,因此可以运用他们才能的解决方案不止一种,”他指出,无论选择哪种预测引擎,都需要大量的工作去构建分析和洞察工具。
一系列的团队建设练习有助于构建一个值得信赖的环境,员工会把自己看作是更大整体的一个组成部分,他们愿意在这个团队讨论他们所使用的系统存在哪些缺点和优点。Ewe说,这让团队可以选择一个引擎对其不断优化改善,确定DTN应该在选定的这个平台上重新部署其他引擎的那些优秀功能。
例如,Ewe不想放弃其他引擎所使用的数据,所以他把所有这些数据清理干净,整合到一个通用的库里。“历史数据对于天气预报非常重要,这些数据为预测模型提供了反馈循环。”
DTN大部分的实施工作都是由自己的员工完成的。“我对内部资源很有信心,他们的动力更足,会致力于取得成功。当你考虑需要哪些技能的时候,范围很广:数据工程、数据存储、科学经验、数据科学、前端Web开发、Devops、操作经验和云经验。”
DTN确实需要依靠外部帮助在云端构建高性能计算基础设施,例如AWS之间的合作:“他们意识到云端的高性能计算是有市场的,他们希望找到一个有明确需求的、明确使命的、明确的高性能计算知识的合作伙伴。”
结果超出了Ewe的预期,预测系统吞吐量翻了一番,如今DTN能够以每小时的频率运行全球模型。“事实上,我们甚至没有对系统进行安排调度,通常这些系统是批处理驱动的,而现在我们是事件驱动的:当底层数据发生有意义的变化时,我们就会启动一个新的模型进行计算,这太令人兴奋了。”
为客户进行调优
除了围绕一个预测引擎让大家展开合作之外,Ewe还必须鼓励团队中其他方面的文化变革,“我必须让每个人都明白,我们正在构建的这个引擎只是我们在此基础上构建更大解决方案的一个基石。”
有了易于扩展的超级计算资源,人们自然而然地就想提高预测模型的准确性,但是,正如Ewe所说,“你必须问问自己,‘我现在正在优化的是什么,对用户使用会带来什么影响产?’”
换句话说,预测模型的输出是否足以满足客户的场景需求?这是一个棘手的问题,但用恰当的数据很容易回答,他说:“你通常可以对此进行模拟:如果我偏离了半度,会对船舶路线算法产生什么影响?”
预测并购成功与否
如果在收购谈判过程中,IT所占的权重更大,那么就可以避免一些并购之后要面对的IT挑战,或者至少更容易进行规划和划拨预算。但对IT领导者来说,在并购谈判桌上获得一席之地是一大挑战:并购谈判通常是在极其保密的情况下进行的。
Ewe说,在DTN,“我们有一份复杂的技术尽职调查清单,清单上有很多事项,让我们能够更清楚地了解我们正在尝试合并或者整合的内容有哪些。”
他说,这份清单会让谈判团队谨慎考虑人才方面的因素,“因为你收购人才就像是收购技术一样”,还有IT系统之间的相互依存性,通过这一项了解并购都需要做哪些方面的工作。”
“如果你不参与到这个过程中的话,那么你至少会通过一种机制、一种过程来代表你参与其中,”他说。
Ewe说,在经历了几次这个过程之后,CIO们应该就能得到一些数据,来证明IT系统之间的良好匹配对于并购取得成功的要性,“如果运气好的话,还能在谈判桌上获得一席之地”。
好文章,需要你的鼓励
据报道,OpenAI正准备发布一款由即将推出的Sora 2视频模型驱动的独立社交应用。该应用与TikTok高度相似,采用垂直视频信息流和滑动滚动导航。不过,该应用仅支持AI生成的内容,用户无法从手机相册上传照片或视频。Sora 2在应用内生成的视频时长限制为10秒或更短。应用还包含身份验证工具,允许用户使用自己的肖像生成视频,其他用户可以标记并在重新混合视频时使用他们的肖像。
北卡罗来纳大学研究团队通过深入分析手指触控过程中的动态特征,开发出新型触控识别算法,能够理解触控过程中的压力分布、接触面积变化等信息,比传统方法准确率提高15-28%。该技术采用分层处理架构解决计算效率问题,已在真实设备上验证效果,将为个性化交互、情感感知等未来应用奠定基础,有望显著改善用户的触控体验。
微软发布全新Agent Mode功能,支持Excel和Word中的AI代理协作。该模式可自动生成高质量文档、电子表格和演示文稿,让非专业用户也能使用复杂功能。Excel代理模式在准确性测试中达到57.2%,远超原版Copilot的20%。Word代理模式则专注于内容起草和格式优化,让写作变成对话式体验。目前已向商业用户和个人订阅用户开放。
Perfios公司研究团队开发了创新的AI理财顾问训练框架,通过行为心理学驱动的数据生成方法,让8B参数的小模型在个人理财建议方面达到了与32B大模型相当的性能,同时运营成本降低80%。该方法首次将用户心理状态分析作为独立训练阶段,显著提升了AI建议的个性化程度和人性化表达,为普及化AI理财服务提供了技术路径。