5G商业化的全球铺开,正为企业行业市场的数字化转型带来更强劲的驱动力,ToB领域正在成为充满无限创新可能的业务蓝海和经济增长点。令人激动的同时,我们应该关注到这片蓝海也充满了未知和挑战。11月24日,爱立信东北亚区首席市场官张至伟携手GSMA大中华区创新与生态合作总经理常洁,从企业行业需求视角、技术选择视角、运营商视角和应用实战视角,探讨新ToB市场的机遇和挑战。
*图从左至右:GSMA大中华区创新与生态合作总经理常洁,爱立信东北亚区首席市场官张至伟
GSMA大中华区创新与生态合作总经理 常洁:“面向ToB业务拓展,运营商需要改变角色定位。”
移动运营商走向行业ToB市场,挑战在于如何熟悉行业需求,理解行业场景,讲行业语言。除了不断打造技术实力,运营商需在管理能力、商业探索方面做出改变,运营商的角色要从网络提供商,变为业务使能者和应用创造者。
爱立信东北亚区首席市场官 张至伟:“面向ToB业务转型,运营商需要抢抓5大关键能力:
传统企业面对的业务挑战日渐严峻,数字化转型已迫在眉睫,一张新的企业专网将是企业业务所需。
爱立信和GSMA联合发布的《基于蜂窝的互联企业——从产品到生产实现全连通》白皮书显示,当前企业面临着四大挑战,包括多个独立的通信网络问题,高昂的拥有成本和复杂的集成问题,性能限制(包括可靠性、覆盖范围、干扰、移动性和速度),跨越地理边界的兼容性问题。与此同时,行业发展也迎来了四大趋势,包括创新从核心应用转移到边缘应用,物联网扩散,产品服务化,工业4.0转型。
在需求的驱动下,GSMA移动智库预测,到2025年,企业级应用占整个蜂窝链接的54%;2023年至2025年,企业专网部署预计达25%-40%。
企业专网对于企业业务的重要性已不言而喻,不过这张新企业专网究竟呈现哪种面貌?
爱立信东北亚区首席市场官张至伟分析道,新一代企业专网,需要具备支持低时延、大带宽、高可靠、安全、云原生、网络能力开放等共性,而蜂窝无线技术是其首选技术。
GSMA大中华区创新与生态合作总经理常洁认为,搭载蜂窝无线技术的新一代企业专网可以为企业带来开源节流和降本增效,在提高产量和质量方面能带来2%-3%的收入增长,提高资金效率方面可节省5%-10%的成本,降低制造成本方面能节省4%-8%成本。
究竟谁来搭建这张新一代企业专网?GSMA大中华区创新与生态合作总经理常洁表示:“运营商在企业专网占据了重要位置。”今年6月份,第三届“绽放杯”一共征集了4289个5G应用案例,运营商参赛项目达到72%。相对而言,运营商在企业专网建设中存在一系列优势,包括建设和运维的专业性,全国运营的组织优势,以及包括云在内的连接资源优势。
爱立信《5G for business:a 2030 market compass(5G商业潜能)》报告预测,到2030年,全球数字化经济市场市值约3.8万亿美金,而5G技术使能的经济收入约1.49万亿美金,其中运营商能够取得的市场价值约7000亿美金。
5G不止是更快的速度,也是更好地联接,更是助力企业数字化转型,突破行业创新天花板,打造场景化解决方案的新引擎。当前,5G与AI、云、边缘计算等技术的乘法效应,已然开始融入各行各业——5G ToB,成为数字时代的新势力。
GSMA大中华区正在全球发起“寻找5G新势力”的「宝石计划」,诚意向5G技术开发、5G商业应用、5G生态链的佼佼者们抛出橄榄枝,你有追梦赤子心和谁与争锋的实力,我就敢倾力支持。
明年2月,2021 MWC 上海将引领GSMA MWC系列全球首发和5G创新地带专区全球首秀,移善至美、极速网络、5G行业应用、5G消息、5G与区块链,5G新媒体等,所有有志于探索ToB市场,在数字化转型浪潮乘风破浪的创新力量,请加入我们,向全球展示你们的创新、实践和改变世界的梦想!
5G ToB时代的繁华尽在眼前,机遇属于即刻出发的先行者,你还在等什么?
好文章,需要你的鼓励
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。