至顶网软件频道消息: 云的出现正在让计算变得触手可得,移动互联网、物联网正在连接人与人、人与物理世界,大数据、人工智能正在升维人类感知世界的层次,由这一系列技术带来的这一场新的科技革命和产业革命,落到具体的企业实践中也被称为“数字化转型”。
据麦肯锡报告总结,如今每个行业和企业,或多或少都已经具备了数字化驱动的因素,如数字化资产、数字化应用、数字化职员等等,它是由价值、由业务场景、由真正的用户需求和体验驱动的一系列变革。
然而,这其中涉及到的是方方面面的问题,包括转型方向的把控,业务模式的创新,技术方案的落地,内部流程的重塑,外部资源的打通……可以说,处处是“坑”。但无论是传统企业,还是科技企业,无一例外都在不断探索各自的数字化之道,以求在新的变革局势下保持自身的竞争优势。
尤其是科技企业,它们不仅正在通过技术为传统产业升级赋能,其本身也在进行数字化变革。在这方面,微软是个很典型的范例。
对于数字化转型,微软提出了四个核心方向,即转型产品服务、密切客户沟通、赋能员工、优化运营,以此实现差异化能力,洞察新的商机。围绕这四个方向, 2017年微软开始着手自身的数字化转型,对外转变业务模式,对外内梳理运营和流程:
这就是微软的数字化再造过程。对此,微软CEO萨提亚曾表示:“面对数字化转型,每一家公司都是软件公司。”他所强调的是,每一家企业,无论是高科技企业还是传统企业都应该像一个软件公司一样思考,强调创新、强调数据对企业带来的价值、强调颠覆,而不是一成不变。最终通过技术和数据驱动,更好地提升客户体验和经营价值。
像微软这样仔仔细细去讲述自己数字化转型故事的科技企业并不多。而这恰恰是萨提亚上任后最强调的事情。如他所写的《Hit Refresh》一书的书名所传达的,微软不仅在实现自我的变革,也在为全球企业的变革赋能。
以荷兰皇家壳牌公司为例,借助基于Azure IoT的智能摄像头、计算机视觉与人工智能技术,其将钻井作业过程中的所有设备连接起来,提高了产品质量和安全性,进行预防性维护和安全防护,同时优化了生产流程;
此外,作为全球大型房地产公司的CBRE,也正在以Azure 数字双胞胎服务为基础,进行一项名为CBRE 360的服务。该服务通过创建一套人与物体的模拟交互系统,更好地连接租户与设施管理人员,以实现业务优化;而宝马也在利用Azure AI功能建立自己的数字代理方案,将驾驶员与汽车更紧密地对接起来,从而为客户提供受控的良好体验。
除了Azure之外,Eli Lilly还借助Office 365改进并优化了公司的工作负载,以克服低效率问题,控制其成本;德国高端变速器制造商ZF则正在利用HoloLens更好地为流水线工作人员提供远程支持,从而帮助他们在避免服务中断的前提下,更为高效地进行装配与协助。
当然,这些仍然只是“凤毛菱角”。 单就Azure来说,如今全球就已经有超过90%的世界“财富500强”企业的业务都运行在Azure上。可以说,这位软件巨头,不仅亲身演绎了一场精彩的转型故事,还见证了一个又一个传统企业的成功转型。
10月24日-27日,微软将把这些实践经验和故事带到在上海世博中心举行的“Microsoft Tech Summit 2018微软技术暨生态大会”上。作为微软在中国一年一度的技术与合作伙伴大会,本次会议还将进一步聚焦智能云、智能边缘计算、物联网、数字安全等最新的技术趋势话题,展现微软最新的产品发布和功能升级。
一起期待!
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。