1月11日由中国信通院与联想集团联合撰写的业内首份《中国企业智能化成熟度报告(2022)》发布显示,企业智能化成熟度与企业规模、IT投资额等呈正相关关系。年营业额越高、员工规模越大的企业,其智能化成熟度越高;IT投资额越高,企业的智能化成熟度越高。
数据显示,年度营业额在1000亿元以上或人员规模在1万人以上的企业,其转型成熟度均分远高于行业平均水平;而与之对应的年收入在1000亿元以下、人员规模在3000人以下的腰尾部企业,整体智能化成熟度不高,还有很大的提升空间。IT投资额在1000万元以下的企业智能化成熟度明显低于平均水平,主要是因为这类企业内部IT团队自研能力不高,且对外部机构的依赖性较强。
不同企业发展维度的智能化成熟度分析
《报告》显示,我国企业智能化方面的实际投入金额处在低位,近九成(88%)的企业IT投入低于年营业额的5%,48%的企业IT投入低于年营业额的1%,仅有12%的企业IT投入超过年营业额的5%。众多企业缺乏足够的资金储备投入到数字化和智能化转型中,尤其是本身发展水平较低的企业,面对高昂的转型成本想转而不敢转,处于“转型找死、不转等死”的两难困境。
《报告》指出,在数字经济快速发展的背景下,企业需要对数字化和智能化转型有明确认知,坚决拥抱智能化,才能使智能化持续为企业发展做出贡献,实现良性循环。
好文章,需要你的鼓励
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。