作为德国跨国医疗保健公司费森尤斯(Fresenius)的集团首席信息官,Ingo Elfering必须彻底改变IT部门才能向前发展。
Ingo Elfering,费森尤斯集团首席信息官
费森尤斯集团首席信息官Ingo Elfering表示,转型应该迅速完成,不要迷失在细节中。他在最近举行的Hamburg IT Strategy Days 2024活动上总结道:“最好是尽快采取行动,就像撕掉创可贴一样,即使它只是短暂的疼痛。”因此,这一直是他过去两年中采取的IT方法,因为当他在2020年7月加入费森尤斯的时候,面临着开创新科技时代的艰巨任务。
费森尤斯多年来迅速发展,但各种IT结构从未进行过整合。此外,该公司还有自己的IT环境,在法兰克福北部巴特洪堡总部的地下室设有一个自营数据中心,结果导致IT变得去中心化、本地分散的,只有部分是相互关联,而其他部分仅仅是仅彼此相互隔离地运行。
他说,全球IT项目很难以这种IT形式实施。此外,费森尤斯公司本身也经历了各种安全风险。因此,Elfering不得不提出如何彻底重新配置公司IT设备的问题。
IT转型的一大步
Elfering决定采取大胆的、大步走的方法进行IT转型,而不是小步前进。这一策略导致他在两年内推进了一长串项目,其中关闭公司数据中心并将大部分迁移到云端是首要任务,其中包括了分散在130个系统的SAP环境。因此,作为RISE计划的一部分,它被整合并从SAP迁移到S/4HANA。
Elfering还进行了SD-WAN联网,使得费森尤斯的内部通信和协作得到了新协作工具的支持,由27个独立系统组成的帮助台也将陆续整合为一个解决方案。
因此,在两年转型之后,Elfering正在取得积极的平衡。“如今,我们拥有高效率的、有经济效益的IT,让我们可以更快地做出反应。”这样,过去需要几个月完成的任务,如今几天之内就能完成了。结果就是,企业以完全不同的方式看待IT,而不是过去被视为企业的一项负担。
转型永无止境
当然,这并不是Elfering IT转型之旅的结束,他还需要解释IT可以持续为业务带来哪些附加值。因此,Elfering和他的团队有责任保持警惕并不断关注新的IT趋势。他说:“转型永无止境,”并且,费森尤斯为此制定了可靠的路线图,例如,借助新的IT结构,可以快速开发与生成式AI相关的新工具和功能,然后有效地使用它们。
尽管这个项目充满挑战,而且未来将持续是个挑战——一些合同基本上是在圣诞节谈判和签署的——但是Elfering对事情的进展感到满意,表示如果有机会重新开始,他也会以同样的方式去做。
随着转型迈出了一大步,Elfering的IT团队也变得更加灵活和透明。技术方面的优势可能会更快地显现出来,但这不仅仅是一个技术项目。他说:“IT转型是一项人事工作。”因此,变革管理和沟通对取得成功将发挥不可或缺的作用。
尽管项目过程中出现了许多意想不到的情况,但Elfering坚持提倡采取雄心勃勃的数字化转型方法。在团队领导和同事的正确鼓励和指导下,解决方案总是唾手可得的。此外,还应该警惕那些想要在快速转型面前踩刹车的人。“如果你听信了,将一事无成,最好是做很多事情,然后继续做下去。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。