中台的出现是企业业务发展所需。
在过去十多年里,许多企业在没有通盘布局的情况下上线了大量独立运营的系统。尤其是大型企业,不仅组织架构庞杂,“烟囱式”的信息系统之间“各自为政”,更使得业务效率和灵活性不高,企业中出现了大量的“信息孤岛”。
而中台的出现,为解决这一企业信息化难题提供了一种可行的思路。通过对人力、技术和业务的重新组织,中台能够提升IT能力的复用率,提高应用的开发效率,同时打通内外部的业务壁垒,解决数据孤岛的问题,提高业务的响应速度。
但是,在具体落地实践过程中,中台也给企业带来了许多新的挑战。比如实施难度大、复杂度高、不确定性多等等。因此,近两年来,有关中台的争议和讨论一直在持续发酵。对此,DWorks第八期内容围绕中台的话题展开进行了调研和分析。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。