Nemertes Research公司副总裁兼服务部总监Irwin Lazar讨论了关于移动办公的趋势:越来越多的移动设备对无线网络提出了更高的需求。他阐述了设备管理、内容管理、网络性能方面企业面临的挑战,并提供了克服困难的解决策略。
Lazar立足于Nemertes公司每年进行大规模调查的信息,探讨了企业如何评估新兴技术对业务的影响,企业如何制定实施新技术和服务的战略,以及企业如何衡量这些项目的成功。当涉及到移动性,Lazar说业界正面临IT支出、设备带宽、使用量和应用程序方面一个整体的增加,而且目前看不到尽头。现在管理移动性办公最成功的组织是那些每个员工拥有设备数量最多的企业。这并不让人意外,员工拥有设备数量最多的企业是那些在移动性方面IT投入最多的组织。
移动性对于企业最大的一个影响是,人们希望把越来越多的移动设备连接到无线网络上。人们期望的是,“公司授权我使用我的iPhone,所以我应该得到高品质的性能。”Lazar解释道,过去大家的心态是“我要连接有线网络,除非不得不使用无线。”然而现在,无线网络是第一位的。
Lazar阐述移动性的增加带来了六个问题:设备管理,应用管理,内容管理,应用开发,网络性能和桌面统计,以及提供策略来管理他们。基于网络的移动设备管理,应用软件开发和软件定义网络方法都是Lazar的一些建议。
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。