中国北京,2021年1月5日——企业低代码应用开发全球领导者Mendix,a Siemens business近日被Gartner评为企业低代码应用平台魔力象限领导者。凭借其愿景的完整性和强大的执行能力,Mendix已连续第二次在Gartner魔力象限报告中被评为市场领导者,同时也是最具“前瞻性”的低代码应用平台企业。
Gartner在《2025年十大应用预测》一文中指出:“到2024年,65%以上的应用将通过低代码工具开发。”低代码应用开发目前正在企业中快速普及,其原因有二:一是数字化企业对应用的需求速度和数量大增;二是企业在数字化转型中需要更多非专业开发者参与应用开发。
这是继Mendix在Mendix World 2.0线上峰会面向全球发布首个多合一低代码平台Mendix 9之后的又一喜讯。Mendix凭借新品发布再次拓展了产品覆盖的领域和学科,进一步巩固了其在综合低代码开发平台领域的领导者地位。
Mendix首席执行官Derek Roos表示:“Mendix不断证明着低代码在企业应用开发中占有非常重要的一席之地。低代码不仅能应对企业数字化进程中最复杂的挑战,还可以帮助非专业开发者打造针对特定领域的解决方案。我们十分高兴看到Gartner对企业低代码应用平台市场给予的认可,也很自豪能再次成为这一领域的领导者。”
此前,凭借出色的表现,Mendix已连续两次获评Gartner“多体验开发平台(MXDP)魔力象限领导者”。多体验开发平台(Gartner Magic Quadrant for Multiexperience Development Platforms,MXDP)是一个基础开发平台,可以开发出能实现多种互动模式的跨设备数字应用来供客户、合作伙伴和员工使用。产品开发团队可以通过平台把“多种体验”整合到前端用户体验层,带来更具创新性的应用,这也符合Gartner对未来应用的定义。
此外,在Gartner发布的多体验开发平台(MXDP)关键能力报告中,Mendix在渐进式Web应用(Web/Progressive Apps)应用、可穿戴物联网应用以及移动应用排名中分别名列前三。该报告共评估了16家MXDP供应商,涉及五个使用场景。
为企业描绘数字化蓝图
Mendix的企业战略将抽象化和自动化应用到数据集成和工作流程等新的领域和学科,并不断改进多渠道用户体验,而Mendix 9多合一平台则是这一战略的最新成果。Mendix 9能帮助制造商解决新的问题、杜绝冗余流程,为各种技能类型的开发者提供支持。除了Mendix 9之外,Mendix还针对不同行业发布了“开箱即用”产品,可以让相应行业的客户快速开发定制化解决方案。
此外,Mendix还让更多类型的用户群体有机会使用这样的平台,并且在设定范围的前提下给予用户可自行解决问题的更大空间。云原生Mendix平台包含了多种关键功能,可进一步降低复杂性并提高软件开发的速度:
助力客户快速获得解决方案
Mendix的客户表示,在Mendix开发平台的帮助下他们能更快收获成果。Trane Technologies借助低代码开发,让公司内部有着丰富业务经验的专家(非专业开发者)也为应用开发做出相应的贡献,成功实现了二者的有机结合。
Trane Technology集成架构总监Miroslav Samoylenko博士表示:“我们团队曾经以.NET开发为主,但现在已不再局限于此。我们把Mendix平台作为内部的一项变革技术来使用,很快它就成了IT部门乃至整个公司最受欢迎的技术。Mendix强大的快速应用开发工具不仅以让IT部门更快地开发出应用,也加强了我们和其他各业务部门非专业开发者的联系,Mendix真的是我们的战略合作伙伴。”
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。