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
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
NVIDIA联合多所大学开发的Omni-RGPT实现了AI视觉理解的重要突破,首次让AI能同时精准理解图像和视频中用户指定的任何区域。通过独创的Token Mark机制,该系统解决了传统方法在视频中容易"跟丢"目标的问题,在视觉问答、区域描述等多项任务上达到最先进水平,为教育、安防、内容创作等领域的AI应用奠定了基础。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
这项由中国人民大学等机构合作完成的研究提出了Virgo系统,发现仅用5000个纯文本推理案例训练就能让AI在视觉推理任务上达到顶级商业系统水平。研究证实推理能力具有跨模态通用性,为更经济高效地开发多模态AI系统指明了新方向,同时也揭示了AI感知反思能力不足的局限性。