科技的快速发展正在重塑亚太地区各行各业。到2025年,企业将面临新兴威胁和机遇并存的复杂环境。要在这个充满变化的环境中保持领先,企业必须把数字韧性、安全和创新放在首位。
云原生可观测性:数字韧性的基石
目前,云原生环境用户往往因为缺乏对基础设施和应用程序堆栈的端到端可见性,难以快速发现和解决问题,进而影响了服务的可靠性和可用性。预计到2025年,用户会更加重视云原生可观测性,以便在混合云和多云环境中实时查看和关联从基础设施到应用的各类事件和指标。这将帮助他们分析整个IT环境的数据,在问题升级为事故前及时发现异常和潜在问题。
提升应对系统中断的数字韧性
2024年,我们见证了多起区域性和全球性的重大技术中断事件,比如Crowdstrike的全球服务中断。这种中断趋势还将持续,继而促使企业制定IT策略来应对、适应以及从类似中断中恢复,具体策略包括:通过多样化IT架构来降低软件集中度和供应商锁定风险,建立备用技术栈以应对故障转移,采用多供应商方案,为操作系统和Kubernetes等关键基础设施软件提供更多选择等。
零信任安全:抵御勒索软件的防护盾
2024年,勒索软件攻击急剧增加,随着不法分子使用AI进行更复杂的攻击,这一趋势预计还将持续。勒索软件即服务(RaaS)的存在加剧了这一情况。到2025年,预计将有更多公司投资零信任安全解决方案,以检测和防止勒索软件及其他零日漏洞攻击。
安全和私密的生成式AI:负责任地推动创新
采用AI技术的公司面临众多安全挑战,包括生成式AI的隐私和数据保护问题,以及AI供应链中的漏洞。为应对这些风险,私有AI平台的采用将会增加。这些平台使企业能够完全掌控其数据,保护其运营免受未经授权的数据共享、合规性风险以及“影子AI”滥用等日益增多的威胁。
AI可观测性:优化性能并减少碳足迹
AI,尤其是大型语言模型,运行所需的大量能耗会对碳排放产生显著影响。为了优化AI工作负载的能耗并减少碳排放,企业将在未来几年采用多种策略,包括:微调和优化大型语言模型,消除其性能瓶颈,选择高能效云服务供应商,负责任地扩展AI资源。可观测性工具将有助于推动并指导这些工作。
人工智能的标准操作环境:推动效率与创新
如今,有多种选项可运行生成式AI和其他类型的AI工作负载。随着时间的推移,我们预计大多数企业会为AI用例创建一个标准操作环境。环境将包含一个高度可扩展的通用AI平台,并提供AI工作负载所需的通用模块和服务,如:精心挑选的大型语言模型(LLM)、数据隐私与安全、可观测性等。标准操作环境还确保了一致的治理、有效的工作流程和优化的资源使用,从而有助于减少碳排放。
综上,2025年及以后,注重数字韧性、安全和创新的企业将能够更好地抓住新兴机遇,从容应对数字时代的各种挑战。
好文章,需要你的鼓励
科技亿万富翁拉里·埃里森资助的研究团队将向英国牛津大学投资1.18亿英镑,用于将AI技术应用于疫苗研究。牛津疫苗研究小组将领导这一项目,研究人体免疫系统对严重细菌感染和抗生素耐药性的反应。该项目由曾主导新冠疫苗试验的安德鲁·波拉德教授领导,计划采用人体挑战模型,让志愿者在受控条件下接触细菌,然后运用现代免疫学和AI工具来精确识别预测保护效果的免疫反应,以开发针对致命疾病的创新疫苗。
伦斯勒理工学院研究团队通过网络科学方法首次系统揭示了大语言模型的内部"认知架构"。研究发现AI模型采用类似鸟类大脑的弱定位架构,模块间通过分布式协作而非专业化分工来处理认知任务。这一发现颠覆了基于功能模块优化的传统思路,指出应充分利用网络级协作来提升AI性能。
据报道,ChatGPT开发商OpenAI计划在印度建设一座耗电量超过1吉瓦的数据中心,目前正寻找当地合作伙伴。该设施预计可容纳至少5.9万片英伟达B200芯片。这可能是OpenAI全球数据中心计划的一部分,旨在为国际用户提供更低延迟服务。OpenAI CEO奥特曼将于下月访问印度,公司还计划年底前在新德里开设办事处。
腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁",无法突破预训练的能力边界,而工具集成能打破这种限制,让AI获得全新的问题解决策略。团队还开发了ASPO算法,解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本,展现出三种新奇认知模式,为构建更强大的AI系统提供理论指导。