ZDNet至顶网软件频道消息:在传统的工作环境中,IT基础设施以设备为核心,员工往往使用单一、固定的电脑。然而,这个情况快将不复存在。IT消费化的崛起催生了一种新的模式,而这种模式正在引领数字家庭和工作的融合。
惠普企业服务亚太及日本地区金融服务首席技术官Daniel Biondi曾表示:“在未来的工作环境中,员工将不会再被绑在办公桌上,他们的电脑也不再受绑于企业硬件和操作系统。”
现今的员工无论在工作和娱乐都正在使用最新的技术设备。日新月异的数字设备容让同时交付多个应用给不同的设备和用户,这将永远地改变旧有的工作模式。在这个新世界中,云、安全、大数据和移动都将融合到综合解决方案中,以更有效地满足终端用户的需求,并提供卓越的数字体验。
这对企业和政府来说有重大含义。但要想抓住这种转变所带来的机遇,企业必须开始将更加灵活、以用户为中心的IT模式融入企业的长期战略之中。他们需要提供无缝、统一的用户体验,并聚焦易用性、协作和移动性。而且这种用户体验必须随时、随地、在任何设备上均可获得。
向移动平稳过渡
对即时获取信息的需求正在推动企业转向业务主导的IT新型态,以支持企业目标。这种新型态的特点是高效、开放、灵活、可扩展和协作,其每个部分都是独立的,而用户是它的核心驱动力。在未来的工作环境,移动员工将同时在工作和休闲中使用智能手机、平板电脑和笔记本电脑等多种设备。
但这也带来了挑战。
首先每台设备都有自己的负载,如果没有仔细的规划,就难以发现和管理计算问题,而且过程很费时间。此外,很多员工希望在工作中使用自己的设备,这让问题进一步复杂化。企业需要一个理想的解决方案,既不会增加IT支出和运营资本,也不会违反安全和合规要求,同时还不会降低一致性和敏捷性。
要实各方面的期待,企业需要妥协:在缺乏灵活性的“通用型”解决方案与必须支持多种配置的另外一个极端之中找到平衡。
另外一个重大挑战涉及不同设备上各种应用的生命周期管理。及早进行兼容性测试对于预防延迟或故障至关重要,同时还需要为不兼容的应用提供备选方案。
云的重要性
云计算也在改变着IT价值链,推动向IT新型态的转型。这将影响在混合交付模式下IT服务的一切——从技术的采购与组装,以至到采购与代理所扮演的角色。
自动化和外包让人们较少关注传统IT的一些基本要素,例如硬件评估、操作系统的安装以及映像管理。相反,重点更多地放在经纪服务——同时确保拥有稳健的治理、风险管理和合规框架——以及通过端到端自动化实现的自助服务交付。它涵盖广泛的采购选项,而这些选项在很大程度上取决于服务、SLA要求和数据保护原则。
经纪服务正在转变,它加快了新产品和功能上市的时间,对于建立和保持竞争优势至关重要。同时也有助于提高敏捷性,让企业快速应对市场变化,同时保留资本并促进遵守既定的风险与安全框架。
如何正确建设未来的工作环境?
在设计未来的工作环境时,要牢记顾全大局。任何解决方案必须能够满足用户的需求以及对灵活性的预期。以下建议有助于成功地设计未来工作场所:
• 找出关键的成功因素、效益和挑战,以便做出明智的决策,确保以用户为中心。
• 考虑制定一个计划时,一开始要根据涉及标准化用户资料的划分而实施全生命周期的桌面管理解决方案。通过减少固定资料的数量,帮助实现经济的交付结构。
• 选择最优的设备标准或硬件,其必须拥有终端用户高效工作所需的计算能力、显示屏、内存和其它特性。虚拟桌面可以节约成本并加强安全性。
• 创建一个自动化、标准化的自助服务环境,尽可能减少为针对应用的定制化或频繁的更新。
• 识别可以作为试点或概念验证以评估计划模式的区域。尝试能够提供“统一用户体验”的解决方案,包括触控设备和最新的应用技术以实现随时随地工作。
• 最后,在解决方案经过测试之后,重新审视并完善战略,确定需要调整的地方。
关注优势
智能手机和平板电脑推动了移动计算的崛起,这也让企业应用显得过时。如果员工不能在移动设备上访问相关应用,他们很可能根本就不会去使用这些应用。
无论企业的规模如何,为云而设的、以用户为中心的工作环境对于建立并保持竞争优势至关重要。
对于过渡到真正灵活的工作空间的企业来说,好处显而易见。企业将:
• 大幅缩短采购和配置时间。
• 能够消除复杂的资产生命周期管理。
• 提升运营灵活性、一致性和敏捷性。
• 根据市场变化更快速地推出新产品和功能。
• 提高客户满意度并获得更多客户。
• 提高员工满意度和工作效率并更好地留住员工。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。