在全球经济动荡、地缘政治紧张局势和供应链挑战的影响下,中国的首席信息官(CIO)及其团队目前面临的增长与创新机会充满了不确定性,直接反应出本土数字市场需求正在不断演变,并受到各种新护栏的约束。企业需要采取谨慎和敏捷的业务战略才能取得成功。
当前CIO及其团队领导者对很多通常应属于其职责范围内决策的控制力减弱,越来越多的CIO及其团队领导者可能需要重新设计战略重点,以成功支持业务成果驱动型首席执行官(CEO)议程(见图1)。
图1:中国CIO及其团队的关键任务

Gartner分析师在近期针对中国企业提出了以下战略增长预测。
Gartner预测,到2026年,中国超过30%的白领岗位将被重新定义,使用和管理生成式AI的技能将大受欢迎。
2021年Gartner员工和消费者人工智能(AI)态度调查显示,与欧美消费者和员工相比,中国的消费者和员工都更愿意接受基于AI的解决方案。然而,AI世界仍在快速变化,生成式AI的创造力正在不断扩展,可以生成文本、图像、视频、音频、代码、产品设计甚至多模态数据等数字资产。获取大量信息后,生成式AI可以基于信息分析中体现的关系,创建对该信息的洞察。
基础模型的发展,大大提高了AI生成内容的质量和生成速度。最近一个过度炒作的热门话题——由于OpenAI开发的ChatGPT,为重建人机交互方式提供了机会。中国高管对此技术的关注度和兴趣极高,促成了生成式AI的广泛和踊跃采用。
Gartner研究总监闫斌表示:“AI满足了行业急需提高生产力的要求,这是任何经济体增长过程中都必不可少的组成部分。很少有其他技术能提供这样一个重塑世界各地工作方式的机会。生成式AI有望增强和提升人类的工作能力,但并非取代人工。”
Gartner预测,到2026年,在中国运营的大型企业机构中,半数的CEO会定期收到网络安全报告,但只有15%的CEO会认为自己的企业机构受到适当保护,这一比例低于目前的30%。
对企业机构的网络安全保护信心不足的CEO将会调整其投资策略。由于监管要求和威胁环境在不断变化,大型企业机构——尤其是被认定为“关键信息基础设施运营商(CIIO)”的大型企业机构——将继续优先考虑并加大对安全的投资。不过,他们会从这些投资中寻找清晰、可衡量的安全成果,例如减少由外部攻击导致的数据泄露事件。如果无法证明安全投资的切实回报,中小企业CEO可能会因经济限制,选择承担更多风险,以节约成本。
CEO可能会支持或要求CIO扩大安全团队,以便自行做出对业务有影响的网络风险决策,然而,这种方法无法很好地扩展至所有的风险决策。
Gartner研究总监于淼表示:“一方面,网络安全劳动力市场过于紧张;另一方面,企业机构数字化水平的提高和敏捷方法的增强,使决策的数量变得过多,速度变得过高。积极进取的企业机构将采取措施,提高企业机构的安全风险判断力。”
Gartner预测,到2026年,70%的中国CIO将越来越多地与技术和服务提供商开展业务,这些提供商可量化其产品对客户的可持续发展目标的积极影响。
为了实现2030年和2060年的目标,中国正在强化监管环境和实施标准化,对可持续性、环境、社会和治理数据以及透明度的要求日益增高。
在供应商的主张和承诺无法验证的情况下,CIO通常很难客观地评估其在可持续性方面的表现和能力。多数供应商有一些可持续性方面的能力,但他们对准则规范的定义往往不同,披露结果的方式也并不一致。
Garner 研究副总裁相斌斌表示:“CIO需要与负责可持续发展的高管合作对可持续性战略产生影响,在企业层面建立兼顾企业业务战略和可持续发展目标的发展路径。CEO和其他业务部门也将依赖于CIO有效的投资书技术,同时实现财务绩效和可持续性成果,且综合评估每一项技术决策对可持续性产生积极和消极的影响。”
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。