近年来,数字化转型推动了重大技术进步。基础设施和运营(I&O)领域已出现了许多创新和新兴技术,例如云计算、边缘计算、云原生、容器技术和智能运维(AIOps)。这些创新和新技术不仅为I&O团队引入了需掌握的新技术技能,也带来了新的工作方式和有助于职业发展的成功路径。
同时,这些新技术也为相关采用者带来了重大挑战。在转型时期,人们会产生对变革的担忧,对于未来不确定性的焦虑,以及与陌生业务团队合作的抵触(见图1)。这些反应植根于人性之中。Gartner在客户问询等真实场景中观察到,数字化转型的一些失败案例是由于这三种情绪(或担忧)导致的。然而,一些I&O领导者未能认识到这一点,或者并未严肃以对,仅将其视为不成熟的行为而予以忽视。
图1:I&O领导者在数字化转型中的三重担忧
接受数字化转型中对变革的担忧,明确其触发因素,推动数字化转型的成功
对于多数I&O领导者而言,数字化转型带来的担忧主要来自转型中的变革。但I&O领导者需要了解的是,数字化转型代表的重大变革可能也会在(IT应用、业务等)其他团队中引发类似的担忧。这些担忧通常包括工作岗位流失;上市时间缩短,项目需求增加;数字化转型项目屡次失败等等。
企业内部可配备一支变革领导团队,专门负责应对这些担忧。为确保数字化转型的成功,I&O领导者应首先认识到自身的担忧,并欣然接受这种对变革的担忧是人类本性使然。I&O领导者应与变革领导团队合作应对变革担忧,并且:
采用以用户为中心的基础设施方法,缓解技术演进前景不明带来的担忧
对于大多数I&O领导者而言,与以往的数据中心时代相比,数字化转型和云迁移引入了“未知”因素。
I&O领导者必须认识到,对于技术演变带来的不确定性感到不安(或对未知的未来产生担忧)是一种自然反应,会加剧人们对变革的担忧。数字化转型对以用户为中心的关注,进一步放大了这种情绪。I&O领导者必须认识到,每位用户都是独一无二的,因此不应再采用一刀切的解决方案,而应准备好根据用户的需求和情况开发解决方案。因此,I&O团队的角色和责任也会从静态转变为更为动态。
定期与业务团队沟通,克服对业务与IT融合的担忧
对于多数I&O领导者而言,数字化转型和云迁移带来的第三项挑战是业务曝光度的提升。在传统数据中心设置中,I&O领导者采用瀑布式应用开发和发布方法,项业务分析师提交基础设施需求。业务分析师会确保满足其需求。I&O领导者与业务部门的互动有限,更愿意与业务分析师直接沟通,因为这既可以减少向业务部门解释技术复杂性的需要,也可以减轻对业务运营进行了解的压力。
然而,数字化转型重塑了I&O领导者与业务端的合作方式。这种演变就引入了融合团队的概念,将I&O与业务团队无缝地合并为一个团队,以促进用户为中心的业务产品和服务的开发。
I&O领导者应认识到,人类天然就会对参与自身专业知识以外的领域感到担忧,尤其实在与不通专业背景的人合作时。同时应该承认,数字化转型和云迁移已经重塑了I&O运营,采用过时的方法已不再可行。
好文章,需要你的鼓励
本文探讨了达成人工通用智能(AGI)七大路线中的线性进阶路径,预测了从2025年至2040年 AI 技术与社会效应的关键年度节点。
这项研究介绍了一种新型多模态扩散模型,能够同时生成量子电路的离散结构和连续参数。由因斯布鲁克大学和NVIDIA公司研究人员开发,该模型利用两个独立但协同工作的扩散过程处理门类型选择和参数预测,克服了传统量子电路编译方法的效率瓶颈。研究证明了该模型在不同量子比特数量、电路深度和参数化门比例下的有效性,并通过快速电路生成创建了数据集,从中提取出有价值的结构见解,为量子电路合成提供了新方向。
SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术,解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程,段内引导(ISG)优化时间步重要性分配,并设计基于视觉基础模型的判别器提升生成质量。实验表明,SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本,同时保持甚至超越原模型在多项指标上的表现,代表了AI图像生成效率提升的重要突破。
MASKSEARCH是阿里巴巴集团同义实验室开发的新型预训练框架,通过创新的"检索增强掩码预测"任务,训练大型语言模型像人类一样主动使用搜索工具获取信息。这项框架包含两个阶段:首先在掩码预测任务上预训练,然后在下游任务上微调,大幅提升模型在开放域问答中的表现。研究采用监督微调和强化学习两种方法,结合多代理系统和课程学习策略,使AI能够自主分解问题、使用搜索工具并基于搜索结果进行推理。