作者:Dynatrace大中华区总经理Simon Lee
历史的车轮滚滚向前,时代的潮流浩浩荡荡。
当前,数字经济正在以前所未有的方式推动全球经济变革,成为重塑全球经济结构、改变全球竞争格局的关键力量。《求是》杂志上近期发表的文章中,提出要 “促进数字技术和实体经济深度融合,赋能传统产业转型升级,催生新产业新业态新模式,不断做强做优做大我国数字经济。” 正是在这样的背景下,积极投入数字化转型,紧紧跟随进而引领数字化潮流已经成为众多企业的大势所趋。
但同时,我们也应该看到,很多企业在拥抱数字经济,开展数字化转型的过程中,也陷入了一些普遍的误区,这不仅在短期内让企业无法实现其数字化的初衷,更重要的是让它们在一定程度上丧失了数字经济时代发展的主动权。
数字经济时代,软件重新定义业务
很多企业认为,数字化转型只需要采取一些新技术、安装一些新应用,就能顺利推行下去,但结果往往是空手而归。今天,很多企业都应用了AI、物联网、云计算、大数据等新技术,收集了海量的数据资料,但却不能充分挖掘数据的价值,并以此来洞察市场趋势和客户需求。这样一来,数字化转型的失败在所难免。
拨开数字化转型的迷雾,企业数字化转型的实质是将业务从线下转到线上,通过软件重新定义业务,甚至重新定义世界。因此,实践数字化转型的正确道路是将商业智能和软件环境相结合,并将这两者转变为新的软件智能,这也是企业拥抱数字经济,开启数字化转型的关键要素——实时抓取线上用户的数据,并开展分析,进而最快速地为企业数字业务提供支持。
实现软件智能,把握三大关键词
那么,如何才能实现软件智能,真正帮助企业推进数字化转型的步伐?这其中有三大关键词:数据可观测性、人工智能分析和业务自主性。
首先是数据可观测性。今天,企业的IT环境日益复杂且动态化,数据体量巨大,以web规模增长,因此企业首先面临的挑战是,如何全面、精准地收集实时数据,不仅包括用户的动态,而且还包括企业的供应链、生产和销售等全流程信息?此时此刻,企业需要有新的工具,帮助它实现全栈式监控——从边缘到核心,从终端设备到应用层再到底层基础设施,实现全程可视化,以及全堆栈可观察性和控制。
其次是人工智能分析。收集完海量数据之后,企业还需要对数据进行有效分析,通过精密的算法将其转化为可操作的技术建议。由此,企业需要采用AI 驱动的大数据分析来对应用系统进行自动故障检测和根因分析,包括通过对问题可能造成的影响进行分析,评估其对用户、服务和业务影响的严重性,并基于此提供解决问题的技术建议。
最后是业务自主性。有了数据可观测性和人工智能分析,再进一步就是要将技术建议转化为可操作的业务建议,让企业可以快速执行和落地。这样一来,企业的系统才会真正具备“智慧思维”,在尽量减少人工投入的情况下,自主应对挑战并解决问题,实现真正的业务自主性。
一桥飞架南北,天堑变通途。如果说智慧企业是一个结果,那么软件智能就是助力企业从传统走向智慧的桥梁。借助软件智能,企业能真正实现对当前复杂IT架构下所有业务系统的自动化、智能化的监控、运维和管理,实时掌握从供应链到生产、销售,乃至客户应用和服务的全流程信息,并基于此及时开展业务优化,真正打造数字经济时代的智慧企业。
作者介绍

Simon Lee
Dynatrace大中华区总经理
Simon Lee先生现任Dynatrace大中华区总经理,负责公司业务在大陆、香港和台湾地区的战略规划、销售运营及管理工作,他率领Dynatrace大中华团队实现了出色业绩,帮助金融、银行、保险、汽车行业, 政府、商业、零售、制造业、娱乐等众多行业的大型企业客户成功加速其数字化转型进程,推动业务创新。
作为IT领域资深人士,Simon Lee先生拥有超过34年的行业从业经验,对新技术、行业趋势发展有着深入洞察与见解。在2019年加入Dynatrace之前,他曾在IBM工作12年,担任IT架构师和业务流程顾问,在Forcepoint工作14年,负责中国大陆和香港业务,并担任过Woolworths的网络设计师,以及Mainline公司的CTO和首席顾问。
在过去的34年里,他帮助客户规划、设计、部署和管理过许多关键IT业务,广泛覆盖商业智能、安全信息和事件管理(SIEM)、用户和实体行为分析(UEBA)和软件智能、网络、架构、系统和网络管理、事务存储系统、业务流程管理、服务管理、网络与数据安全、数据传输等。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。