近日Max Chan和我们分享了Avnet公司在现代数字领域得到的经验教训,从优化云支出到利用AI提高客户满意度。
Avnet公司是最大的技术分销商和供应链解决方案提供商之一,作为该公司的首席信息官,我负责IT堆栈并监督数字化转型和战略。支撑我们数字化方法的两个关键领域,分别是云和AI。
Avnet CIO Max Chan
云和成本管理的重要性
我们在云之旅的早期就意识到,如果没有适当的FinOps能力和整体治理,成本就会飙升。但在制定了一些规则并确定了可以优化运营的方面之后,我们找到了更好的平衡点。
话虽如此,我们并不是100%使用云的。相反,我们专注于真正支持云功能的用例。我们优先考虑这些工作负载,然后将它们迁移到云中。但是,我们并不打算将所有内容都转移到云中,其中一些操作和功能仍保留在内部。
当我们开始使用生成式AI和大型语言模型时,我们利用了厂商在云中提供的功能。但我们从一开始就知道,凭借我们的云经验和提供商的做法,成本是很高的。
现在我们在生产中有一些AI用例,我们开始尝试内部托管和管理小型语言模型或者那些不需要放在云中的、特定领域的语言模型。
我们看到的结果与许多研究结果是一致的,例如IDC发布的有关计算、冷却和可持续性成本的研究。如果没有适当的管理,将AI与云结合起来的成本将是非常高昂的。
让AI与云结合使用变得合理化,这一点非常重要。作为分销商,我们的业务利润率很低,而云可能占到营业收入的25%。因此,我们必须考虑如何以敏捷的方式部署AI和云。我们必须能够对业务需求做出反应,积极主动地提供业务所需的东西。除了我们自己接受它,没有别的方法了。
超越生产力:使用AI来帮助满足客户
当谈到AI或者生成式AI时,就像其他人一样,我们从我们可以控制的用例开始,包括内容生成、情感分析和相关领域。
随着我们探索和理解这些用例,我们开始涉足其他领域。例如,我们有一个令人兴奋的数据清理用例,就是利用生成式AI和非生成式机器学习来帮助我们识别不准确的产品描述或者不正确的分类,然后对其进行清理,重新生成准确的、标准化的描述。
这可能会提高内部生产力,但同时你也必须这样想:作为分销商,我们在任何时候都要处理数百万个零件。我们的供应商合作伙伴每个季度都会向我们发送他们的价格手册、规格表和产品信息。因此,让一群人试图浏览所有这些数据以查找不准确之处,是一项艰巨的、几乎不可能完成的任务。
但借助AI和生成式AI功能,我们能够以超过人类的速度更快地清理任何不准确之处,有时只需24小时,有助于我们通过改善客户体验来提高转化和推动业务的能力。
另一个AI的例子就是我们的设计服务。我们有一个设计中心,为客户提供自助服务功能,生成机器人图表并将其转换为规格表和零件清单。借助此工具,生成式AI让客户可以提出诸如“帮我将物理占用空间减少30%”或者“如何将上市时间缩短至三个月?”之类的问题。有了正确的数据,这个工具就可以整合这些请求并创建替换规格、零件清单和建议。在这种情况下,采用生成式AI为客户提供了全新的无缝体验。
数据和专注的重要性
对于那些希望纳入更多AI用例的组织来说,正确的数据至关重要。这就是我们谈论干净数据和AI就绪型数据的原因,这一点非常重要。回到云端,我们确保带到云端的所有数据都能被下游使用。
在开始任何AI计划之前,我的第一条建议是确保你的数据处于最佳状态。
其次,不要再被困在我所谓的概念验证(POC)牢笼中。你必须确定优先级。寻找一个、二个或者三个可以扩展的用例,然后进行扩展。因为如果你不进行扩展,你就要应对数百个项目,却不会取得任何进展或产生任何影响。
IDC最近的一份报告发现,企业可能正在应对大约39个POC,但其中只有5个投入到了生产中。我的问题是:为什么要应对这39个?你只需要专注于这5个,然后扩展其中的1、2个就行了。
最后,市面上有这么多提供商和这么多模型,选择一个并尝试一下。因为到最后,你会从中学到一些东西。如果你需要更多或不同的东西,决定要做什么,然后从那里开始,不要什么都试,这种方法会让你回到POC牢笼中,阻碍你的组织取得真正的进展和影响。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。