至顶网软件与服务频道消息: 消费互联网经历了黄金时期正趋于饱和,而工业互联网和To B的互联网正方兴未艾。同时物联网快速发展,产生的数据将比消费互联网高出n个量级,这也使得人工智能成为了一项必需的基本技术,来处理物联网时代的海量数据。云计算、物联网、大数据、人工智能……一个又一个新技术扑面而来,错综复杂,将会演绎怎样的新时代?
其实无论是消费互联网还是工业互联网,软件都使一切成为了可能,软件正在吞噬世界的真相不容置疑,其另一个定义叫做“数字化转型”。企业进行数字化转型已经是不争的事实,老牌传统企业也不例外。
丹佛斯作为有着85年历史的工业企业,在供热、制冷、传动、移动液压等领域一直处于领先地位。丹佛斯一直追求创新,为客户提供高质量、可信赖的产品, 与客户一起“engineering tomorrow”。在数字化时代,丹佛斯迎头而上,开启了数字化转型之路,这给IT部门带来了前所未有的机会和挑战,作为IT 监控部门,如何积极转型,更好的支持IT部门、企业业务的发展?丹佛斯集团IT监控经理陈春起,分享了在数字化转型中如何通过Dynatrace实现创新。
陈春起,丹佛斯集团IT监控经理,在IT监控领域10年的资深专家,成功完成丹佛斯的IT监控从基础架构监控到应用程序监控的转变,为丹佛斯数字化转型提供保障。
从客户和业务需求出发
“最重要的理念还是以客户为中心,时时刻刻了解我们的客户在哪,增长点在哪。”陈春起表示。面对数字化转型这场硬仗,丹佛斯的打法是首先实现内部共赢。
作为IT人员,首先要了解自己有什么知识和能力可以帮助到企业业务。这样IT部门和业务部门各自做自己擅长的事,各司其职,建立合作伙伴的关系,从而实现共赢。举个例子,假如有一套系统,虽然小旧而且低端,但是对业务来说是至关重要的,那么技术部门就应该对此进行监控,发现问题及时报警、调试。在这种情况下,技术部门的工作由被动变成了主动,这也是后台部门走向前台的第一步,即:从客户和企业业务的真实需求出发。
说起来容易做起来难,当需要监控、运维的内容越来越多的时候,哪些业务需要做监控?如何做监控?就成了首要难题。
同样还是从客户和企业业务需求出发,财务、生产、供应链、销售是企业运转起来最重要的四大板块,监控、运维工作也从这四大板块开始。本着共赢的原则,丹佛斯希望组建一个既能服务于IT部门,也能服务于企业业务部门的监控运维团队。“如果每一个事业部都自己组建运维部门、监控部门,那这个公司的复杂程度就会慢慢的把这个公司给吃掉。”陈春起表示。
有了共赢的中心思想,接下来就要付诸于行动。丹佛斯有基础架构监控平台、技术架构监控平台、网络监控平台,在应用级别的监控方面,丹佛斯选择了Dynatrace。
解决三大难题:赢得客户、节省人力成本、可视化
Dynatrace的理念与丹佛斯一样,都是以客户为中心,了解用户体验、行为以及满意度,与丹佛斯共同梳理了客户及业务需求,帮助丹佛斯赢得了客户。
随着技术复杂程度越来越高,和应用之间的联系越来越冗杂,需要大量的人力来支持,这就增加了人力成本支出,而选择适合的监控工具可以大大减少人力成本,Dynatrace帮助丹佛斯把IT运维这件事做的事半功倍。
以往,运维监控一般都是黑盒,只是对着屏幕看代码,而Dynatrace监控软件把代码变成了简单易懂的可操作信息,满足不同部门不同需求,使业务部门可以更好的优化业务流程,助力公司业务增长。
Dynatrace 让我们合作更紧密
陈春起介绍说,在丹佛斯,市场部门每天都会与IT运维部门开例会,利用Dynatrace在管理方面提供的可视性,通过数据分析、代码分析来回顾问题,改善系统性能和可用性。同时,Dynatrace提供的定制化的设置,可以将问题快捷的反馈到敏捷开发部门。这样一来,IT监控部门直接和市场部门合作,提供定制的报表,帮助市场部门更精确的分析了解市场,及时调整商务策略。
在与Dynatrace合作的三年中,丹佛斯已经在约50套业务应用中使用了Dynatrace做监控,包括丹佛斯全球门户网站、全球B2B销售网站、全球产品生命周期管理系统等等,其中不乏很多前沿应用。“Dynatrace运营得非常好,如何做解密,如何呈现,帮我们省了很多事。”陈春起表示。
未来,丹佛斯将会在更多的应用场景中使用Dynatrace做监控,比如IoT的架构图,企业级的架构图,包括混合云、微服务、物联网、容器等很多新的技术领域。“我们可以一起走的更好!”陈春起对丹佛斯和Dynatrace的合作信心十足。
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。