至顶网CIO与应用频道 11月16日 北京消息:CA WORLD ’17 — CA Technologies(NASDAQ:CA)首席执行官 Mike Gregoire 宣布 CA World® ’17 正式开幕。他鼓励企业和IT界高管将创新力和执行力结合在一起,并寻求类似CA这样的合作伙伴,通过先进的软件解决方案加速实现商业价值,帮助企业激发创造力。
Gregoire 表示:“企业软件仅被用于提高工作效率的时期早就过去了。当前的重点在于为公司下一个重大转型做出革新。这也是我们关注的第一要点,即为企业提供有针对性的解决方案,移除想法和取得成果之间阻碍。”
Gregoire 敦促各位高管培养“数字化直觉“,利用大量客户数据去发现规律、预测趋势、协助决策甚至管理风险。
Gregoire 以CA 自身数字化转型的蓝图和经验为例,阐释了公司近些年如何重塑为现代软件工厂,利用敏捷开发、自动化、洞察和安全来为客户实现最大化的商业价值。他肯定了与会者在IT领域所做的投资,并建议他们利用现有优势育成更多创新。
Gartner报告指出:”数字化业务变革是首席信息官的首要工作重心,现有的IT基础设施和应用以及商业流程,必须能够迅速地适应新事物。如果传统系统不能支持、集成或者允许这些新的数字举措,那么数字化业务的成功会大打折扣、甚至失败。” 1
Gregoire 讲道:“应对变革、响应新事物或新洞察和迅速转变的能力从未如此重要过,我们全部产品都是围绕现代软件工厂的几个支柱而设计,因此对于客户的业务至关重要的解决方案和应用,其质量、安全性以及性能都会有所提高。”
Gregoire也谈及了对全球各地政府部门的期待,希望政府可以积极寻求用软件提高公民体验的方法。在这方面,CA宣布启动了CA智能政府挑战赛竞赛(CA Smart Government Challenge),邀请美国的开发者提交最具有创新性的想法,通过软件改善联邦政府服务的“公民体验”。
Gregoire 还提到了公司自身的创新动力——CA加速器(CA Accelerator)。该项目目前有10家创业公司加入,这些项目孵化器在CA内部起着 “精益创业”的作用。每个创业公司均得到支持和资助以在市场上开发、测试新产品理念。该项目成功示例之一,FreshTracks.io公司已宣布其测试程序可开放注册。
Gregoire 重点强调了一些有效实行创新思维并因此知名的客户,其中包括:
花旗银行FinTech——花旗银行的创新小组,负责为顾客提供卓越的移动应用体验,同时也是CA Agile Requirement Designer的客户。
欧洲体育——通过利用CA API Management 和CA App Experience Analytics,这一泛欧洲体育电视网可提供绝无仅有的观看体验,粉丝们可以前所未有地近距离接触赛事。
CA Technologies 在CA World’17上展示了超过20余种产品创新和提升,这些解决方案为广大公司提供了适应和响应变革、以及推动现有科技投资以实现未来成功的能力。从内部部署到云计算,以及两者之间的所有服务,CA可以提供业界领先的产品、解决方案和专业技能,帮助企业移除阻碍,在竞争中一马当先、出奇制胜。
Gregoire在主题演讲结束后,与登山爱好者、滑雪爱好者兼电影制片人Jimmy Chin就如何平衡创造力和执行力展开了精彩讨论。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。