至顶网软件频道消息:根据IDC更新的全球中小企业支出半年度指南显示,2017年中小企业整体IT支出将达到5680亿美元,到2021年将增加1000多亿美元达到6760亿美元多,5年复合年增长率为4.5%,规模小于1000人的企业在IT硬件、软件和服务(包括业务服务)上的支出预计略高于IDC此前的预期。
“中小企业IT支出增长会比地区GDP增幅略高2个百分点。但是在这个缓慢增长的浪潮之下,是加快发展的步伐,反映了中小企业正在改变购买技术和部署技术的方式,”IDC中小企业研究副总裁Ray Boggs表示。
全球的中小企业对投资资源以提高员工生产力和改善竞争地位越来越感兴趣。Boggs指出,中小企业——特别是规模较小的企业——有提升性能的迫切需求,他们正在寻求着以有意义的方式协调资源。对于很多人来说,这将是迈向数字化转型迈出的重要一步。
中小企业将把他们的IT投资主要用于三个方面——硬件、软件和IT服务——这三大类占到了全球中小企业技术支出的超过85%。虽然硬件采购占到了支出的最大份额,但是IDC预测2019年将是软件和IT服务支出都超过硬件支出的分水岭。其中最小的一类——业务服务——将是四个技术类别中增幅最大的,复合年增长率为71.%,其次是软件,复合年增长率为6.9%。
2017年有1/3的中小企业软件采购将来自于3大应用类别:企业资源管理(ERM)、客户关系管理(CRM)和内容应用。应用开发与部署、系统基础设施软件也将是中小企业软件投资的重要领域。硬件支出将主要集中在PC和周边设备的采购上,2016年这部分支出占到了中小企业硬件支出的近一半(49.6%),但在预测期内这个份额将减少到43.3%。中小企业服务支出分为IT服务和业务服务。虽然预测期内中小企业在IT服务上的支出将继续是业务服务的2倍,但是企业服务的份额也在增长,支出增幅是大约是IT服务的2倍(复合年增长率分别为7.1%和3.7%)。
中小企业(员工规模在100人到499人)将是2016年到2021年预测期内最大的市场,全球中小企业IT产品和服务收入中有385来自于中小企业。大型企业(500人-999人)、小型企业/小型办公(1人-99人)平分剩下的收入。中大型企业也将经历最强劲的支出增长,复合年增长率分别为4.6%和4.5%,略高于小型企业的4.4%。中小企业短期和长期IT支出增长的机会覆盖所有企业规模和技术类别。
中小企业IT支出的地区分布
从地区来看,美国是中小企业IT支出的最大市场,到2017年总体规模将达到1713亿美元。预测期内,美洲占到了全球中小企业IT支出的大约1/3,西欧和亚太(不包括日本)是中小企业IT支出的第二大和第三大地区,亚太的增长要快于整体市场。5年预测期内增长最快的地区是拉丁美洲(复合年增长为6.3%),但是美国和亚太(不包括日本)的差距也不大。
“西欧中小企业市场是一个巨大的、成长中的市场,尽管欧洲中小企业通常IT的精细化程度要低于规模更大的企业,因此这是一个很艰难的目标市场。在这个背景下,我们看到今天有很多诞生于数字化时代的中小企业日渐崛起,他们很有创新力并且被第三平台和创新加速器(特别是云、移动和物联网)的吸引。尽管这些企业只占整个中小企业市场的很小一部分,但是为更广泛地采用创新IT解决方案铺平了道路,”IDC客户洞察与分析高级研究经理Angela Vacca表示。
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。