
你是一个企业的领导者吗?数字化转型对你和你的员工来说是一件令人头疼的事情吗?你发现很难与那些拥有最好的开发者、数据科学家的公司相竞争?对于必须做这些事情、必须为此而争夺的公司,这里会给你一些建议。
Kevin Garrison是美国国防部CIO(业务处理和系统审查),数据分析总监。今年在美国麻省理工学院举行的首席数据官CDO论坛上,他表示:"改革美国国防部就好像让企业自力更生一样,这需要很长一段时间。"
Garrison说,美国国防部在采用新技术方面通常是很缓慢的。"在五角大楼我工作的地方是没有无线网的。我觉得下周可能会有,或者很快一段时间内就会有了。"
成本约束
"我个人认为,未来想要用到大型企业才有能力负担得起的分析解决方案,你就必须很认真地考虑开源了,"Garrison说。
他说,可以实现一切的专有厂商从成本上可能对大多数人都是不可行的。"许可费用可能就会要了你的命,"他还补充说,"切换平台就像是切换ERP--微弱的心脏可受不了,而且也不便宜。"
人才军备竞赛
Garrison表示,美国国防部相对温和的预算迫使它必须找到创新的方式得到人才。其中一种方法就是"通过合同支持给你的大型集成商施加压力,从而拿出具备所需技能的人才"。
这样一来,美国国防部就可以得到愿意使用它提供的工具、训练有素的人才。"Windows 10和一台使用了5年时间的笔记本,对于刚从MIT毕业的人来说可不是什么令人兴奋的事情,"他调侃说。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。