作者:Nutanix中国区董事总经理马莉
2020年是特殊的一年,它不仅重塑了我们的工作方式,也改变了我们以信息技术支持新常态的模式。那些迅速做出了调整的企业经受住了风暴的考验,并脱颖而出;而另外一些企业则为了维持生存,奋力追赶着数字化加速的步伐。
数字化转型将继续改变2021年的科技和商业格局。因此,我预测了未来12个月将要发生的三大主要趋势,希望能对企业应对2021年的新变化有所裨益:
第一,为应对不平衡的经济复苏局面,企业组织希望按季度大幅调整战略,因此,战略的实施需要具备敏捷性。
随着各国开始把目光转向后疫情时代,现场办公将缓慢和分阶段地恢复,但这个过程不会一帆风顺、一蹴而就。
可喜的是,中国正在引领世界经济从新冠肺炎疫情的冲击中复苏。中国政府做出了构建以国内大循环为主体、国内国际相互促进的“双循环”新发展格局的战略决策。
然而,从全球大环境来看,各个国家和经济之间的联系密不可分,即使某一个国家的复苏进展顺利,但只要其他主要大国没有重回增长轨道,那么全球的不确定性依然会延续。
显然,这将导致不平衡的经济复苏状况。为了应对这一问题,企业需要具备按季度调整战略和支出的灵活性,以确保能对宏观形势做出反应。过去那种在IT方面大笔投入的做法已经过时,取而代之的将是恰逢其时的敏捷性。
传统的技术方法无法达到这种敏捷性。因此,企业和政府将考虑采取订阅模式,而不是签订长期合同或捆绑供应的模式,以确保在面临不确定性时能及时改变和创新。这种可及时止损的“按需付费”模式能够在创新的必要性和降低风险的需求之间取得平衡。
第二,随着数字化成为公司管理层的首要任务,首席信息官的重要性更胜以往
不管疫情爆发之前数字化程度有多落后,在未来的12个月里,各个国家和企业的数字化水平都将会被推向一个新的高度。
企业必须重新思考他们的业务模式,即使我们有可能回到原来的状态(实际上不可能),但我们的环境和人们的期望已经发生了改变。为了应对这一情况,即使是最脆弱的组织也需要拥抱敏捷性。
以前,数字化是首席信息官的首要任务,但首席执行官和其他高管并没有对此给与同等的重视。随着新冠疫情的爆发,这种情况迅速发生了变化,数字化转型带来的作用最终在企业上下得到认可。在整个2021年,数字化转型仍将是重中之重,是否拥有适当水平的数字化能力仍然是决定企业敏捷性和生存能力的重要因素。
因此,随着首席信息官在技术领域的价值得到有效证明,他们在企业决策和领导方面的重要性将更加突出。同时IT从成本中心向关键业务驱动力的转变过程还会进一步加速。每一家企业现在都是科技企业,即便他们还没有意识到这一点。
第三,随着对云的认识和使用日趋成熟,首席信息官将坚持采取混合云和多云战略
很多希望率先采用云服务的亚洲企业正在努力追赶美国同行。而美国企业早在几年前就意识到,对企业运营至关重要的很多关键任务或传统应用并不适合在云上运行。
很多企业都希望拥有云一般的能力,同时也要保留可选择性和灵活性。没人希望被困在某一种模式中。因此,随着首席信息官对云越来越得心应手,他们会坚持采取混合云和多云的策略,或者至少能让关键应用在不同云环境中的可迁移性得到保证。
在全球范围内,我们看到有许多企业开始对应用进行现代化改造,并且转向“云优先”的战略。然而,等他们发现关键应用无法高效迁移,也无法重构成适合云上运行的版本时,才发现这一战略完全行不通。所以,为了在云带来的敏捷性和经济效益以及持续运营的现实之间取得平衡,企业必须采取混合云和多云战略。
这一战略还能为企业带来他们在不远的未来所需的季度敏捷性。企业将学会从长远的角度看问题,避免陷入以下进退两难的境地:如果世界突然发生剧烈变化,上季度还完美的解决方案,下季度可能就失效了。
如果说有什么经验和心得是企业应该从2020年学会,并且应用到2021年战略当中的,那就是:颠覆性的变革无法避免;灵活性和适应能力必须成为商业思维的核心。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。