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
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。