至顶网软件频道消息:无论主动或是被动、走得快或是慢,绝大多数企业都已经走在了数字化转型的道路上。而这,实际上也是企业一个从封闭走向开放的过程。
通过充分的连接,形成以数据为洞察的价值网络,并以此为基础打造别具一格的客户体验,更快速地推出创新成果,形成新的商业模式。这就是企业正在致力推动的事情。
当然,其中的连接已经不单单是企业内部的连接。一方面,企业要在内部实现数据信息的互联互通,另一方面,上下游的生态也将被重新构建。这显然不是某种应用、某个技术或某个方案就能解决的问题,随着市场格局的演变,企业需要的是一个融合性的服务平台和完整的生态体系。
因此,作为互联网开放模式以及云计算、物联网等技术所驱动的产物,API经济也由此而生,成为企业连接“万物”的核心载体。
一般而言,通过API(Application Program Interface)的上下游业务功能集成的商业交易,就被称为“API经济”。
举个例子,当我们在微信上支付话费、叫外卖、购物时,背后实际上就是电信公司、外卖服务平台和电商平台对微信开放了相关的API接口。它的本质是一种无处不在的服务,是以低成本实现数据流通的绝佳方式,也是数据价值最大化的一种输出方式。其最大的特点就是通过运维、开发 、流程和交互的快捷与创新,助力企业业务模式的重塑,推进跨企业、跨行业甚至跨领域的合作。
据IDC预测,到2018年,全球的API经济市场将达到2.2万亿美金。据此,在2018年最新的报告中,IDC还将其作为全球第二的技术趋势。报告显示,在接下来的三年里,亚太地区(不含日本)45% 的组织将会采用核心云API战略,并将其作为DX 架构的一部分,以便实现API驱动型经济。其背后所潜藏的能量之大可见一斑。
事实上, API热潮早年就已经在西方国家风靡,并带来了非常可观的经济效益。Salesforce、Google、Twitter、亚马逊都是其中的受益者。而除却互联网公司之外,金融机构也是其中主要的引领者。
在欧美,包括BBVA、CiTi Bank、Capital Bank等在内的金融机构,都已经通过将自己的银行金融服务以开放API口的方式提供给第三方进行调用,使得银行不必直接面对客户,而是通过合作伙伴为客户提供服务。这样的银行,也被称为“开放银行”。
相较于国外,虽然API经济在国内成形较晚,认知度也有所欠缺,但实际上已经在诸多场景中被应用。以中国银行为例,早在2012年,中国银行就提出了开放平台的概念,并在2013年上线了相关产品,开放了1600多个接口,涉及跨国金融、代收代付、移动支付,以及地图服务、网点查询、汇率牌价等服务。
当然,随着企业的开放程度越来越高,为了适应新的产品和服务模式,其IT架构在新的生态模式下也亟需进一步提升,通过重新进行平台化和生态化建设,以确保信息安全和业务连续性,以及产品和服务的快速交付和灵活调整。
作为全球API经济的主要推动者,IBM正在从咨询到云服务,从软件产品技术到项目实施,为企业用户的生态布局提供全面的解决方案和经验。在基础设施方面,不论是公有云还是私有云,IBM都有专门针对API能力的解决方案,帮助企业快速并且平稳地向微服务转型。
值得一提的是,IBM提供了开箱即用的社区开发模块,能够帮助客户更好滴进行场景和业务的创新。
在IBM看来,企业面向未来的IT架构至少需要包括三个层次:核心业务系统层、微服务支撑层和API平台层。通过灵活、开放、组件化的业务系统,实现敏捷化部署,确保在为合作伙伴提供支持和服务的同时,也能够得到外界能力的有效输入,构建良性的生态圈。
据此,在6月5日的网络直播研讨会中,IBM大中华区云计算部混合云技术经理潘雪梅将对此作出更详细的介绍,以金融行业为例,讲述企业如何构建新的技术平台,实现后台业务系统“瘦身”和敏捷化部署,通过前后台系统的解耦,打通金融生态圈,加速数字化进程。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。