企业数字化转型,大家往往只关注如何使用技术,然而企业本身的文化是决定数字化转型的根本,同时CIO需要联合业务部门一起推进数字化转型,最后要考虑的才是技术。
最近,红帽总结全球企业数字化转型实践经验,结合中国本土市场、政策与技术特征,绘制了《中国企业数字化转型图谱》,让用户明晰数字化转型下一步需要面对的问题。
图谱中,第一圈分为六个不同维度,也可以说是六个战略,分别针对混合云架构、云原生应用、自动化、开放组织及人才培养、开源赋能、信息化+产业化,第二圈则是对应的技术,最外圈是对应的不同场景和需求。
“六个纬度既是互相关联,又是互相独立。”红帽全球副总裁兼大中华区总裁曹衡康说,一个客户认为目前现代化应用是最关键的,可以先从这个场景做起,在推进的过程中,可能客户又发觉要把应用自动化和混合云结合在一起。
红帽还会通过一些免费的训练营的方式对客户展开更进一步的互动,针对具体情况、行业特点、客户特点制定具体的路线图和图谱。
开源与下一代技术底座
企业下一代技术底座,开源是一个恰如其分的技术。红帽作为开源技术的倡导者,正在不同层面倾听客户的需求,并将开源技术和客户需求进行结合。
“环境一致性和开发流流线型是企业技术底座的两大特点。”曹衡康说道,不管是在数据中心,还是在云上,只要基于红帽的架构,就可以保证一致的体验。
红帽全球副总裁兼大中华区总裁曹衡康
曹衡康认为,下一代技术底座需要满足兼容、开放、敏捷和便利。
兼容:数字化转型涵盖非常广,需要在架构上就具备兼容性,可以兼容不同的产品和解决方案,目前全世界5000多家硬件厂商、4000多家软件厂商都与红帽都有认证兼容。
开放:开源技术源于众人的智慧,红帽是将开源变成企业级的产品,所以开放就是创新。
敏捷:数字化转型需要敏捷,消费者所提出的需求要迅速开发出来,现在微服务开发可以在短时间就开发出来。
便利:平台移动要便利,可以在任何环境实现开发,同时底层技术服务要有更高的自动化。
最近,在2022 Red Hat Summit:Connect(红帽论坛)中国站上,红帽也宣布了2022红帽亚太创新奖中国区获奖名单,联通数科、吉利汽车和迈瑞医疗采用红帽解决方案,在持续变化的商业环境中提高敏捷性并增强客户体验,因此也获得了该奖项。
图谱的演进需要共同努力
“德不孤,必有邻”,红帽也有志同道合的人一起作伴,与硬件厂商合作适配不同的硬件,与ISV合作开发出不同场景的应用,通过强大的生态合作伙伴体系共同完善图谱。
今年红帽也与两个重要的合作伙伴展开合作,一家是地平线,以软硬结合协同优化的技术理念,共同打造面向未来的车载智能计算基础平台。一家是中科创达,打造更多开放创新的系统技术产品和解决方案,通过云端一体融合创新,赋能各行各业的数字化智能化转型。
在曹衡康看来,正因为红帽是开放的体系和平台,也能团结更多的生态伙伴一起帮助客户实现数字化转型,同时不断开发演进图谱。
而且红帽同样希望把选择权交给客户,不会被某些技术所锁定。曹衡康说,选择权、决定权在客户,客户不会被某一个技术所锁定,他可以去做一些改变,让他能更加有弹性。
通过红帽开放创新实验室可以和客户融合在一起,了解需求提供建议。通过访谈的方式了解了企业现状,然后把相关人员放在一个大型会议室里,大家一起头脑风暴,设立一个标准和最后的目标,然后去探讨用什么样的方式去修正现在的工作模式,以达到预期目标。
曹衡康强调红帽所做的事情不只是开源技术,还包括开源的文化、开放的思维,真正能够帮客户打造出来更加自主性,且与时俱进的技术底座,跟随技术的前沿实现开放的未来。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。