在全球动荡和国防预算不断增加的推动下,瑞典国防集团Saab正在通过整合变得更加软件驱动以满足高需求,而管理这一切的核心,是首席信息官Annette Eriksson。
总部位于斯德哥尔摩的Saab公司最近宣布,将2027年的增长目标从10%大幅提高至15%,首席信息官Annette Eriksson表示,这意味着Saab公司预计在短期内会增加招聘,IT部门也不例外。
她说:“过去两年,我们新增了数百名员工,目前全球范围内的新增人数约为1600人。”
几乎所有领域都在进行这种大规模招聘,从项目经理到安全专家和IT架构师。
“特别是IT部门,我们是一个重要的支持职能部门,对于应对增长至关重要,现在已经有这么多了,我们在技能转换、治理、管理和领导力方面做了很多工作。”
Saab 的 IT 组织人员也非常密集,因为公司的许多系统都是内部开发的。 这意味着人们既需要旧类型技术的专业知识来管理旧系统,也需要最新技术的专业知识。
此外,由于IT系统是在内部开发和运营的,考虑到安全性是Saab的首要任务,云并不是一个显而易见的选择。
智能云的方法
与许多其他完全专注于“云优先”的企业不同,“云智能”才是Saab真正重要的。
她说:“在某些领域,你绝对可以采用云技术,无论是私有云、混合云还是公有云,只要有可能使用更多的公共交付模式,我们就会这样做。我们正在为此加紧努力,以便能够利用现有的资源。”
此外,一些主要产品供应商以及美国或瑞典武装部队等最终用户正在更多地转向云计算,给Saab公司带来了进一步的压力,Saab公司必须了解如何在云中进行操作并能够利用生态系统的其他部分。但Saab无法测试Chat GPT等工具或任何连接到公有云的生成式AI,这种技术需要在内部进行完全测试。但Saab以他们所谓“卓越中心”的方式来测试新的技术。
“我们与业务代表合作测试新技术并开发具体的解决方案,效果非常好,”Eriksson说。
根据技术的不同,致力于特定解决方案的小组可能有时候人员数量也是不同的。
不仅仅是敏捷
近年来,Saab的IT运营也开始采用越来越敏捷的工作方式,但并非完全敏捷;传统项目方面也有很多工作要做。
“我们采用了混合的方式,我更多地将其视为两者兼而有之,而不是非此即彼。关键是你要清楚地了解根据具体情况选择哪种方法。”
随着Saab公司朝着软件驱动的方向发展,软件成为几乎所有服务和产品的核心,Eriksson很情况,为什么分析有效地使用一系列可用技术(例如开源和AI)对他们来说是至关重要的。
“重要的是,我们这样做是为了以正确的方式管理软件驱动业务的旅程。”
当然,软件是Saab公司许多顶级产品不可或缺的一部分,例如“鹰狮”E系列战斗机,其中飞行关键软件与飞机的其他部分是分开的,这意味着升级过程可能需要一天而不是几个月的时间,而且这是Gripen E所独有的特点。
对于Eriksson来说,在一家技术领先的企业从事IT工作,周围都是精通技术的人,这是一个明显的优势,也是成长的催化剂。她说:“我们认为IT使业务成为可能,但是当涉及到内部IT时,不是任何创造力都可以的,我们对架构和集成是有要求的。”
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。