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
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。