至顶网软件频道消息: 根据IDC全球大数据和分析支出半年指南显示,今年全球大数据和商业分析(BDA)解决方案收入预计将达到1891亿美元,比2018年增长12.0%。在2018年-2022年预测期内BDA收入将保持这一增长速度,五年复合年增长率(CAGR)为13.2%。到2022年,预计全球BDA收入将达到2743亿美元。
IDC分析与信息管理集团副总裁Da Vesset表示:“数字化转型是BDA支出与高管级项目的关键驱动因素,能够带来对当前业务实践的深入评估,以及对更好的、更快的、更全面的访问数据及相关分析和见解的需求。企业正在通过重构以满足这些需求,并投资于能够让他们创新并保持竞争力的现代技术,而BDA解决方案正是其中很多投资的核心。”
IT服务将成为2019年BDA市场中最大的一个类别,规模将达到775亿美元,其次是硬件采购(237亿美元)和商业服务(207亿美元)。在整个预测期内,IT和业务服务将占所有BDA收入的一半以上,并且是增长最快的类别之一。 2019年BDA相关软件收入将达672亿美元,其中最终用户查询、报告和分析工具以及关系数据仓库管理工具是最大的两个软件类别,规模分别为136亿美元和121亿美元。2019年收入增长最快的BDA技术分别是非关系分析数据存储(34.0%)和认知/人工智能软件平台(31.4%)。
在部署方面,2019年将有超过70%的BDA软件收入源自于内部部署解决方案。不过在五年预测期内,通过公有云贡献的BDA软件收入将呈现强劲的增长,五年复合年增长率将达到32.3%,到2022年占所有BDA软件收入的44%多。
IDC客户洞察与分析项目副总裁Jessica Goepfert表示:“在传统的内部部署环境中,大数据技术是很难部署和管理的。再加上数据的指数级增长以及扩展这些解决方案带来的复杂性和成本,人们可以想象得到企业和组织在这个过程中所面临的挑战和难题。云计算的敏捷性、规模和灵活性,与BDA实现令人难以置信的洞察力,两者相结合带来了双重的业务价值,有助于加速BDA的采用。从BDA在云端带来的机会来看,采用BDA的三大行业分别是专业服务、个人和消费者服务、以及媒体,这三个行业都具有颠覆性,具有很高的数字化潜力。而且,我们在这些领域通常会看到很多规模较小的创新型公司,这些公司往往很重视他们以前由于成本或者IT复杂性而无法获得的那些技术。”
目前对BDA解决方案投资最多的行业分别是银行业、离散制造业、专业服务业、流程制造业、联邦/中央政府。总的来说,今年这五个行业将占到全球BDA收入的近一半(914亿美元)。BDA增长最快的行业是证券和投资服务和零售业,五年复合年增长率分别为15.3%和15.2%。零售业的强劲增长将使其在2022年之前超越联邦/中央政府跻身前五。
从地区来看,美国将成为最大的国家级市场,今年BDA收入规模将近1000亿美元。日本和英国的BDA收入分别为96亿美元和92亿美元,其次是中国(86亿美元)和德国(79亿美元)。增长最快的BDA市场分别是阿根廷和越南,五年复合年增长率分别为23.1%和19.4%,其次是中国,复合年增长率为19.2%,这也将让中国到2022年跃居BDA收入第二高的国家。
从公司规模来看,非常大型的企业(员工规模超过1000人)将在整个预测期内占BDA收入的近三分之二。中小型企业(员工规模不到500人)也将成为BDA收入的重要贡献者,占全球收入的近四分之一。
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。