IDC近日发布的《中国企业用户统一通信部署模式及需求变化态势分析》认为随着云计算在中国市场的快速发展,中国统一通信系统(主要包括五个细分市场:IP电话系统、视频会议、协同应用、呼叫中心以及其他统一通信应用)的部署模式也在发生深刻变化。然而,不同的统一通信产品、不同行业以及不同规模的企业存在较大差异。
该研究报告显示,作为最具发展潜力的云应用之一,企业用户对统一通信云模式的接受度明显增强。同时,IDC也看到不同行业的企业和不同规模的企业对云部署模式的态度以及云迁移的意愿存在较大的差异,值得统一通信厂商和服务提供商关注。另外,IDC也发现中国企业偏好的统一通信产品付费模式也正在发生变化,按使用量/坐席数每月付费的按需付费模式得到了更多企业用户的认可,这将有助于中国统一通信云服务市场的后续发展。
IDC中国电信与服务部高级分析师沈建勇认为:“2014年是中国统一通信部署模式开始发生重大变化的一年,也是统一通信云市场开始启动的一年。通过本次研究我们可以发现,中国企业不管是对云部署模式的接受度还是未来向云迁移的意愿都出现了明显的提升。对于中国统一通信厂商来说,在传统市场增长空间明显收窄的情况下,必须要积极布局新市场,寻求新的业务增长空间。同时,统一通信厂商和服务提供商也必须关注行业间的差异性、不同规模企业间的差异性以及不同统一通信产品间的差异性。”
在新的市场环境下,IDC认为不管是统一通信厂商还是服务提供商都应该顺应市场发展趋势,并结合自身特色,制定差异化的发展策略。
对于统一通信厂商来说,IDC认为其需要重点关注以下三个方面:
(1)积极研究新市场,挖掘新空间。必须对以云模式为代表的新市场进行积极研究,制定相应的产品和市场策略,以寻求新的业务增长空间。
(2)有选择的介入。一方面要对市场的发展趋势进行分析,优先进入用户接受度高、市场发展前景好的细分子市场。同时,也需要考虑自身的产品特点以及行业的竞争情况,选择最合适企业发展情况的子市场进入。
(3)寻找合适的合作伙伴。公有云服务市场与传统统一通信市场存在比较大的差别。从项目规模上来看,公有云业务的规模通常远小于传统的部署模式。从付费模式上来看,使用公有云业务的用户使用的是按月付费的模式,与传统一次性付费的模式也存在较大的差距。因此,IDC认为对于统一通信厂商来说,面向统一通信公有云市场,不能照搬原有的合作策略和合作伙伴,必须去寻找拥有云服务经验的合作伙伴。
对于服务提供商来说,IDC认为其需要重点关注以下两个方面:
(1)选择合适的建设模式。对于有统一通信产品开发经验的服务提供商来说,IDC建议采用“自主研发”的建设模式。对于希望快速进入市场,而自身研发能力又相对较弱的服务提供商来说,IDC认为可以优先采用“由统一通信厂商协助建设”的模式。
(2)紧跟用户需求变化趋势。本次研究发现,大部分企业对统一通信云服务尚抱着尝试的态度,整体支出还比较小。如果业务体验好,那么会有更多的企业加大在云服务上的投入。反之则可能就会减少在这上面的投入。因此,云服务提供商必须跟已有客户建立紧密的联系,分析并满足其未满足的需求,吸引其使用更多的业务,避免其缩减业务量或者更换供应商。(文章来源:IDC中国)
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。