到2026年,亚太地区的企业将面临一个抉择:要么继续沉溺于虚假的安全感中,承担被彻底锁定的风险;要么拥抱科技领域的根本性变革,为未来的业务发展保驾护航。SUSE 亚太区解决方案架构负责人 Peter Lees 认为,继续依赖封闭的、单一供应商的解决方案,不仅会带来财务风险,更会对业务连续性和竞争优势构成生存威胁。他指出,以下五大预测并非简单的趋势,而是企业必须面对的当务之急。他将深入探讨如何构建足以应对数字主权的基础设施,如何将网络安全防御升级为零信任架构,以及如何在平衡风险与机遇的同时,充分利用人工智能。
韧性:不只是IT考量,更是成功的基石
韧性源于自由选择。随着数字主权监管日益收紧,尤其是在欧盟开创先河之后,亚太地区的企业必须从一开始就积极主动地思考,如何掌控自身的数据和技术平台,避免在为时已晚时陷入被动局面。除了伦理层面,治理和成本控制作为务实的考量也同样重要。选择灵活、开放的方案,能够避免企业被高昂的迁移成本所困,或是受制于单一供应商的肆意涨价。
边缘计算:并非未来趋势,而是当下现实
过去十多年间,用于支持边缘计算系统的终端设备及其配套基础设施的数量呈爆发式增长。换言之,将计算能力和数据部署到更靠近客户、设备和运营的边缘位置,已成为现实,并且仍在不断发展。无论是智慧工厂、零售自助终端、远程医疗,还是其他专业化应用,各行各业都在随时随地生成并利用数据。 容器化是快速迭代应用,并大规模部署和管理所需基础设施理想策略。这背后的商业逻辑清晰明了:如果无法安全地管理和整合这些海量新增数据点,企业将失去控制力、效率和竞争优势。
零信任安全:构筑坚实防御的基石
仅仅依靠边界防御来阻止所有网络攻击,从业务风险角度看是不可持续的。确保软件供应链可靠可控,选择经验丰富的认证供应商固然重要,但彻底杜绝安全隐患几乎不可能。因此,企业必须转向真正的零信任安全模型。指望构建一个毫无漏洞的系统不切实际;更可行的是确保未知漏洞在运行时不会被利用。这需要实施默认安全原则,采用高度可靠、精密设计的软件,强化容器等核心组件。零信任的核心是严格的访问控制,秉持“永不信任,始终验证”的原则,防止在执行的关键时刻被抓住弱点。这样可以将业务中断的风险降到最低,成功的关键也从仅仅针对已知漏洞进行“打勾”式的排查,或者事后亡羊补牢,转变为真正具备防止漏洞被利用的能力。
AI千变万化,成功取决于企业的适应能力
AI辅助的基础设施正加速落地,它通过简单的自然语言交互,大幅降低了基础设施管理的复杂度。企业应着力打造具备感知能力、安全原生且与智能管理深度融合的基础设施系统。为此,AI工具的适应性至关重要,它需要与企业的业务目标深度对齐,确保自然语言、政策和自动化在人工监督下高效协同。在这个技术日新月异的领域,选择合适的开源方案,能有效保持平台的灵活性,确保基础设施足够敏捷,可以及时采纳领先的、非常值得信赖的创新技术,同时坚守严格的治理、隐私和安全底线。
战略开放:面向未来的必然选择
确保长期稳定性和避免高昂成本的最有力工具是战略开放性和灵活性。选择基于默认安全原则构建的开放基础,企业将获得一个强大且具有韧性的平台。这种方法提供了适应新技术(如AI或边缘计算)的灵活性,而无需被锁定在昂贵的合同中,或为未来的平台迁移而产生巨额成本。这种更高的选择性和灵活性直接转化为更有效的治理,使企业的财务计划免受于专有、封闭基础设施相关的意外涨价和风险的影响。基础设施的韧性是业务连续性保障的终极形式。“实践是检验真理的唯一标准”,那些构建能够预测和适应变化的系统的公司,将证明其具有应对当今和未来(甚至尚未出现)的业务挑战的灵活性。 问题是--你的系统准备好了吗?
好文章,需要你的鼓励
Forrester副总裁兼首席分析师高恩德在访谈中表示,尽管AI技术广泛存在,但在生产力统计数据中并未体现革命性改变。他引用美国劳工统计局数据指出,个人电脑时代同样未能显著提升生产力增长率。研究显示,95%的生成式AI项目未产生实际投资回报。Forrester预测到2030年AI可能取代6%的工作岗位,约1040万个职位,但目前大部分企业裁员主要出于财务考虑而非AI替代。
中国人民大学联合快手科技研发的DPWriter系统通过创新的"多样化规划分支"策略和智能奖励机制,成功解决了AI写作中质量与创意多样性难以兼得的问题。该系统让AI先制定包含五个维度的详细写作计划,在规划阶段进行创意分支,再配合双重奖励评价体系,实现了在保证写作质量的同时大幅提升创意多样性。实验显示新方法在多样性指标上提升15%,为AI辅助创意写作开辟了新路径。
谷歌发布Personal Intelligence工具,让用户可根据个人偏好定制Gemini聊天机器人。该工具能访问Gmail、谷歌相册和YouTube等服务中的个人数据,提供更精准的回复。例如分析收件箱中的餐厅预订来推荐食谱,或利用汽车照片回答维修问题。工具提供多项隐私控制选项,默认关闭且用户可自定义访问权限。初期仅向美国付费用户开放,未来将扩展至免费账户和国际市场。
ellamind公司研发的sui-1是首个能为长文档摘要提供精确引用标注的AI模型。该24B参数模型通过创新的XML标签系统,为每个摘要观点标注原文出处,解决了AI摘要"不可验证"的核心问题。模型可处理10万词文档,支持200万词超长文档的迭代处理,在准确性测试中达到84.2%,远超同类开源模型。研究团队采用Apache 2.0许可证完全开源模型和训练数据,为政府、法律等需要高准确性的领域提供可信赖的文档分析工具。