至顶网CIO与应用频道 08月01日 北京消息:全球领先的信息技术研究和顾问公司Gartner表示,2017年全球IT支出预计将达到3.5万亿美元,较2016年增加2.4%。由于美元贬值,这个数字高于Gartner上季度所预测的1.4%增长率(见表一)。
Gartner研究副总裁兼杰出分析师John-David Lovelock表示:“数字化业务对现有的商业模式及其周边产业带来很大的影响,并引发一些新模式的出现,如软件、服务和知识产权的融合。这些新生代产品的背后有商业与技术平台作为推手,这些平台也将推动新项目的支出。特定行业的颠覆性技术包括制造业的物联网(IoT)、金融服务业的区块链(blockchain),以及零售业的智慧机器(smart machine)。”
《Gartner全球IT支出预测》(Gartner Worldwide IT Spending Forecast)报告作为主流科技趋势的指标性研究报告,范围涉及硬件、软件、IT服务与电信市场。在过去的十多年间,全球的IT与业务主管都利用这份季度报告了解市场商机与挑战,并根据报告内容来做出准确的商业决策。
表一、全球IT支出预测(单位:10亿美元)
Gartner预计2017年全球企业软件市场将增长7.6%,高于2016年5.3%的增长率。由于软件应用使更多企业机构从数字化业务中盈利,市场对于自动化和推出新应用及功能的需求将更加强烈。
John-David Lovelock指出:“随着基于软件即服务(SaaS-based)的企业应用受到更加广泛的运用,从云端传送的IT运营管理(IT operations management,简称ITOM)工具的市场接受度也更高。这些云端工具有助于负责基础架构及运营(infrastructure and operations,简称I&O)的企业机构更快地添加功能,并采用更新的技术来缩短应用推出的周期。如果基础架构及运营团队没有监测并追踪快速变化的环境,就可能会导致基础架构及应用服务的退步,最终影响到终端用户的体验,冲击财务运营和品牌形象。”
2016年IT支出呈增长态势,但前十大IT厂商中仅有两家呈现出收入的有机增长。IT厂商的收入来源依然与力量连结(Nexus of Forces)(社交[social]、移动[mobility]、云端[cloud]和信息[information]的汇聚融合)紧密相关。由于移动电话销量的上升,前十大IT厂商中将会有一些在2017年表现得更好。2017年全球设备支出(PC、平板、ultramobile与移动电话)预计将增长3.8%,达到6,540亿美元,高于上一季预测的1.7%增长率。移动电话市场增长的主要驱动力包括:iPhone推出10周年纪念机型将带动成熟市场中顶级机型的平均售价(average selling prices,简称ASP)上扬;基础款机型的数量逐渐超过实用款机型。不过,由于换机周期持续拉长,平板市场将继续萎缩。
欲了解更多分析,可参加免费的网络研讨会“2017年第二季度IT支出最新展望:数字化业务和数据中心下的变革者”(IT Spending Forecast, 2Q17 Update: Game Changer with Digital Business and Data Centers)。网络研讨会期间,Gartner分析师将分析2017年至2021年推动IT支出增长的趋势。
Gartner的IT支出预测基于数千家提供各种IT产品与服务厂商的销售数字。Gartner采用各种主流研究技巧,再以次级研究资源进行补充,以建立一套市场规模资料的完整资料库,并借此进行预测。
Gartner每季度发布的IT支出预测报告提供了针对软硬件、IT服务与电信等细分市场内IT支出的独特视角。这些报告有助于Gartner客户深入了解市场商机与挑战。如需了解最新的IT支出预测研究,请参见《Gartner全球支出预测》(Gartner Worldwide Spending Forecast)。该季度IT支出预测页面包含了最新IT支出报告、网络研讨会、博客文章以及新闻稿链接。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。