ZDNet至顶网软件频道消息:移动OA的开发技术一直处于发展状态,准确的说是移动终端一直处于不断升级状态。终端决定了开发技术,虽然客户端App模式占据了手机终端的绝大多的份额,但是在企业级移动移动应用中,选型和开发模式却一直争论不停。争论是有原因的,1、企业一般不愿投入过大 2、APP和业务系统对接有问题 3、企业想有自主定制个性化能力。
企业选型取决于三个因素,1、情感 2、成本 3、技术,对于情感和关系以及成本都是外部因素,不做过多讨论。本文单就技术线路角度来分析企业选项该怎么做,明白自己需要什么、什么样的线路适合自己,那么选型就不会纠结了,也就不会有争议了。
技术线路,在大的类型上分为:
1、 采用成品OA办公系统类型
如果企业采用的是成品OA厂商提供的办公系统,那么现在实施移动化的道路就比较狭窄。传统厂商现在也开始提供了移动客户端,但是基本上厂商的客户端都是针对最新版本来做的,移动终端几乎无法支持老版本OA。另外用户的二次开发审批表单的兼容性也是大问题,移动终端难以兼容OA上复杂的个性表单。
如果您的企业是这个类型,那么三步走:
A、原厂商是否能提供移动客户端
B、测试客户端是否支持老版本
C、测试客户端是否兼容审批表单
2、 自行开发业务系统类型
如果企业的办公信息系统都是自行开发的,选型的纠结会比较大些,问题主要牵扯到两个大方面:
A、客户端原生模式还是WEB模式、混合模式
客户端原生模式,一般要求开发人员掌握原生开发技术,成本较高
WEB模式的主要问题是没有安全性,操作体验模式不好
混合模式开发大多开发人员没有经验,目前只有概念没有成体系教材。
企业应该综合A\B两个因素来决定是否要自行开发客户端。
B、是否独立提供业务接口,是否改造原系统
在业务流程驱动方面,如果有能力提供接口那么会比较方便,但是会对原有系统产生影响,同时增加了维护和开发工作量。如果不想动原有系统则需要寻求第三方具有无缝接入能力的移动中间件系统实现。
3、移动中间件模式
MAStudio移动中间件是国内著名的移动应用开发平台,一直以自主研发的三大核心技术为行业的佼佼者。移动中间件的核心在于提供了和业务系统交互的能力,能够无缝接入原有系统,驱动原有OA流程。同时中间件还提供了智能客户端开发模式,MAStudio移动中间件提供了一种WEB模式的APP开发,可以让企业传统开发人员用WEB只是进行APP的开发,满足企业自主定制的能力。
移动中间件
A、原有开发人员能上手
B、原业务系统不影响运行
C、能够无缝扩展后续系统
4、 技术成本
A、厂商成品OA一般 1 - 3万
B、原生开发工程师 android 6000/月均 iOS8000/月均
C、移动中间件一般 5 - 10万
总结:
企业移动化选择到最后也就是三分天下了,1、买成品客户端 2、自行原生开发客户端 3、采购移动中间件。同时综合成本、实施周期就可以做出正确的决策了。每一种技术线路都有适合它的地方,每一种技术线路都有做的好的和做不好的,选对合适的方案+选对做好的厂家产品就是移动化的成功之门。
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。