《数字化转型视点》第二期:
作者:Dynatrace大中华区总经理Simon Lee

Dynatrace大中华区总经理Simon Lee
先从一个普遍的误解说起。
近年来,作为数字经济重要推动力的信创产业呈现出高速发展的态势。2021 年,《“十四五”国家信息化规划》提出“关键核心技术创新能力显著提升,集成电路、基础软件、装备材料、核心元器件等 8 大短板取得重大突破”的目标。于是,对于信创,很多人下意识地将其与”“自主可控”完全连接起来,认为信创就等同于所有领域的自主创新。
但是,如果去深度解读国家的政策规划,却会发现这里存在着明显的误解,“信创”的本意是指核心技术的自主创新,而非所有技术都要自主创新。实际上,从信息技术的发展上看,企业应当分清主次,采用不同的发展策略——为了确保核心技术、核心业务的突破,应当学会借力和“拿来主义”,选择一些有效的辅助工具,才能让企业真正聚力于核心业务和技术,从而成为企业提升自身竞争力,并实现信创的更佳路径。
无专精则不能成
放眼海内外, “专注”是优秀企业的共同特征。不少企业在采取多元化经营以后都开始走下坡路,究其原因,是企业没有把主要的精力放在核心业务上。同理,在企业数字化转型的过程中,必须深刻理解企业做数字化转型的根本目的,是为了帮助企业提高核心竞争力,如果缺乏专注核心领域的精神,在IT建设中全面铺开,什么都自己来做,就会面临着一系列问题。经常会看到,有些企业在某些IT领域投入研发以后,应用效果达不到预期,并没有帮助企业提高效率,反而浪费了资源和投入,甚至在某种程度上反而拖累了企业核心业务发展的步伐,降低了企业的核心竞争力。
因此,要让专业的人做专业的事,企业在拥抱数字经济,推动数字化转型的过程中,也需要选择专业的IT产品,来让企业专注于核心业务和核心技术本身。以性能监测和可观测性产品为例,企业需要选择既满足当前需求又符合未来发展趋势的专业工具,来助力企业核心业务的快速发展。当前,技术发展日新月异,专业的性能监测和可观测性产品需要支持广泛的技术堆栈,具备前瞻的技术发展路线,以及快速迭代更新的能力,从而能够持续的保障企业核心业务发展的敏捷性和连续性,帮助企业的数字资产不断增值,提高企业的核心竞争力。
正是因为秉承“专注核心“的理念,SAP这样一家涵盖了从企业后台到公司决策、从工厂仓库到商铺店面、从电脑桌面到移动终端的全球领先企业软件厂商,放弃自研监测系统,选择了Dynatrace的软件智能平台。采用 Dynatrace 后,SAP 客户体验(SAP CX)具备了涵盖其内部部署、云架构以及各种应用的全栈式可观测能力,进而实现了自动化的云运维,不仅大大节省了人力成本,且让平均解决问题的时间最多缩短 60%,团队能够将更多的时间和资源投入到创新上。
工欲善其事,必先利其器
领先的工具可以加速业务发展,而真正有价值的软件智能平台需要具备全栈式可观测能力、持续自动化和基于人工智能的根因分析三个关键特性,从而帮助企业加速数字化转型,更好地塑造自身的竞争力。
● 首先是全栈式可观测能力。如今产品迭代速度越来越快,数据量越来越大,IT环境也越来越复杂,尤其是步入到以微服务、容器为特征的云原生时代,传统被动响应式的监控技术已经很难构建起一套高效的排障体系,而可观测能力的具备能够帮助企业主动应对动态复杂环境,提前预测问题并消除盲点,成为当下IT运维不可缺少的能力。
● 其次,自动化是转变团队工作方式的根本所在,通过自动化可以迅速、高效地提升可观测性能力,跟上业务发展的步伐。做到快速安装部署,快速定位问题,不但将系统的故障时间减少到最低,也提高了开发运维人员的工作效率,使之更关注于业务创新,创造更多价值。
● 最后,借助人工智能实现根因分析是第三大关键特性,无需学习或训练的人工智能不仅能洞察IT系统复杂的软硬件拓扑关系,提供精准故障定位,还能在业务受到影响之前进行预判并触发自动修复流程,轻松实现自动化运维甚至无人值守运维。
以华南一家大型制造企业为例,该企业几年前曾投入大量的资源自研监测系统,但由于本身应用系统复杂,需要支持的技术种类繁多,自研系统周期很长,且达不到原来预想的效果,缺少对问题的快速定位和分析能力,应用系统频频出错,运维人员不是在找故障的路上,就是在解决故障的路上,严重拖慢了业务转型的进度。去年,该企业从自研系统转向使用Dynatrace的软件,在两个月内完成了100多个应用的监控部署。现在,该企业每月问题故障从之前的上千个减少到两百个以内,问题解决时间从5到7天降低到平均两个小时,整个IT系统性能得到完美提升,IT人员可以把100%的精力投入到业务的数字化转型中,通过软件智能平台的应用帮助企业提升了核心竞争力。
好风凭借力,送我上青云。企业想要在数字经济时代实现快速发展,提升核心竞争力,就必须专注于核心业务和核心技术。而借助于先进的软件智能平台,企业能够整合和节省资源,加速创新和数字化转型,专注于企业战略目标的实现,在数字经济发展的大潮中奋勇争先。
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
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。