Gartner于近日最新发布2024年中国信息与通信技术成熟度曲线,基于CIO优先任务清单,该曲线将相关关键技术划分为三类领域:新兴技术、成本优化和运营效率、系统韧性与安全。
Gartner研究副总裁季新苏表示:“面对目前经济环境下的一些不利因素,企业对数字技术的投资持更加谨慎的态度,特别是在持续和大规模投资方面。与此同时,许多中国企业积极利用新技术来推动业务增长,尤其是当前的人工智能机遇。 不过,企业同时还应避免IT运营连续性发生中断,以体现对新兴技术的投资的业务价值。因此,首席信息官 (CIO)必须更加关注成本优化、IT业务连续性和安全性。”
(图一、2024年中国信息与通信技术成熟度曲线)
新兴技术
作为世界最大数字经济市场之一的参与者,中国企业在云原生和行业云平台等技术上进行了大力投入。在2024年Gartner CIO和技术高管调研中,多数中国受访者表示将在2024年控制对人工智能(AI)的投入,表示虽然AI相关的技术未来最有可能改变行业游戏规则,但目前在没有看到能够改变行业的场景。基于这一调研结果,企业可以利用生成式人工智能(GenAI)、数据素养和国产AI 芯片技术,把握中国市场的机遇。
成本优化和运营效率
面对国内市场的激烈竞争,越来越多的中国企业将成本优化作为年度关注重点,以支持业务可持续发展。Gartner进行调研2024年IT支出会同比有所下降。考虑到IT支出是企业的主要支出之一;而企业提高运营效率的举措,又离不开IT部门的有力协作。 越来越多的企业和组织引入了嵌入式低代码平台和机器人流程自动化,通过这种方式降低业务交付成本。一些企业借助数据中台提升数据分析的效率,而很多企业使用DevOps来提升IT基础设施的敏捷性和效率。
系统韧性与安全
中国企业的许多CIO都意识到,在高度灵活的混合云环境中保持应用的稳定性和安全性,是传统运营模式面临的一个重要挑战。中国企业可以采用平台工程和数字免疫系统,以提高系统韧性,增强稳定性。此外,他们应该关注安全和自主可控计划,从而 应对地缘政治紧张局势造成的供应链影响。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。