中国,北京,2018年11月27日——到2025年,全球数据圈将增至175ZB,而金融服务、制造、医疗保健以及媒体娱乐等行业正在迎来重新定义数据增长的新纪元。上述结论来自国际数据公司(IDC)发布、全球领先的数据和存储解决方案提供商希捷科技赞助的白皮书《数字化世界—从边缘到核心》。该报告致力于调研全球数据模型转型的情况。研究覆盖的四大主要行业中,医疗保健行业所占的全球企业数据圈最小,但增速最快,并将在2025年超越金融服务业与媒体娱乐业。这一增长趋势反映了医疗保健分析和影像技术的持续提高,以及医疗行业实时数据的不断增长。
《数字化世界 – 从边缘到核心》研究评估了几乎占全球企业数据圈一半的四个关键行业的数据就绪程度。该评估应用DATCON(数据就绪度)来表明当前企业数据就绪度水平。DATCON是用来评估数据管理、应用和商业化能力的指数,评分从1(差)到5(优秀),通过多个指标计算得出,包括数据增长、数据重要性、数据安全、对数据的投资、管理、数据技能以及公司高层参与度。
DATCON: 以行业评估全球数据就绪程度
不同行业的就绪度参差不齐,应采取行动做好准备并利用数据的增长。该研究通过DATCON指数,确定了面向2025企业的若干当务之急:
制造业和金融服务业分获3.3分,高居榜首,代表在四个行业中边缘计算应用达到最高水平,并有机会应用区块链、分析和人工智能技术。
医疗保健行业尽管增长迅速,但最终评分为2.4,在数据就绪度方面仍有提升空间。调查结果显示,区块链对该行业非常重要,但是近60%的企业缺乏相关策略,或还未实施任何计划。
媒体娱乐行业数据就绪指数最低,仅为2.0,说明行业在采用先进技术,尤其是数据安全和数据管理方面亟待提升。
希捷科技首席执行官Dave Mosley表示:“我们正处在一个时代的开端,未来十年,数据的创建和应用将加速增长。虽然某些行业在数字化转型方面已经领先,但所有的企业都应做好准备,部署积极的数字化战略,以在数据时代获得成功。数据技术正在成为提升生产力、数据变现和创造价值的核心。我们非常高兴能够参与这个转型,并为未来抓住数据机遇提供强有力的支持。”
企业在崛起
企业正在迅速成为目前网络连接世界中主要的数据管理者。《数字化世界—从边缘到核心》研究预测,到2025年,企业存储的数据量将超过全球总数据量的80%。而这一趋势将会继续强化全球企业的数据保护职责。
云将成为新的核心
该研究还表明,到2025年,全球几乎一半(49%)的数据将存储在公有云环境中。由于物联网传感器将在整个世界范围内部署,且需要在业务环境中不断地获取、记录和分析数据,这一变化驱动着数据向公有云环境转移。随着企业致力于集中管理和交付数据,对云服务提供的连接性、性能和便利性的依赖程度也越来越高。而随着企业继续采用云来满足不断增长的数据处理和存储需求,云数据中心正在成为新的企业数据存储库。也就是,云正在成为新的核心。
IDC高级副总裁David Reinsel表示:“虽然短期内终端仍将是主要的数据创建来源,但预计核心和边缘的数据增长速度将是最快的,到2025年,在核心中存储的数据量将超过终端设备中的数据存储量。对于主流行业来说尤其如此,因为边缘计算仍是他们关键业务和数字化转型的重要驱动因素。”
了解更多《数字化世界—从边缘到核心》以及DATCON指数信息,请下载该报告: www.DataAge2025.com.
好文章,需要你的鼓励
皮尤研究中心最新分析显示,谷歌搜索结果页面的AI概述功能显著降低了用户对其他网站的点击率。研究发现,没有AI回答的搜索点击率为15%,而有AI概述的搜索点击率降至8%。目前约五分之一的搜索会显示AI概述,问题类搜索中60%会触发AI回答。尽管谷歌声称AI概述不会影响网站流量,但数据表明用户看到AI生成的信息后更容易结束浏览,这可能导致错误信息的传播。
这项由清华大学等多所高校联合完成的研究首次系统性地解析了AI系统如何同时具备知识检索和深度推理能力。研究团队通过分析200多篇论文,揭示了从简单检索到协同推理的技术演进路径,并建立了全面的评估框架。这种"协同RAG推理系统"能够像人类研究者一样主动搜索信息、分析问题,为AI向真正智能助手的转变奠定了基础。
GlobalData研究显示,人工智能驱动的预测性维护正成为电力行业追求高可靠性和成本效益的关键组成部分。该技术结合数据分析、机器学习和实时监控,能够更准确预测设备未来状况,有望降低维护成本30%,提高设备可用性20%。GE Vernova、西门子等公司提供先进解决方案,而数字孪生技术、物联网和边缘计算等新兴技术正进一步提升维护策略的准确性和效率。
麦吉尔大学研究团队开发了DrafterBench,这是首个专门评估AI在工程技术图纸修改能力的测试平台。通过对1920个真实工程任务的测试,研究发现即使最先进的AI模型也只能达到80%的准确率,在处理复杂多步骤操作时表现不佳。该研究为工程领域的AI应用提供了重要的评估标准和发展方向。