
今天,企业已经走进应用经济时代,在这个软件驱动业务发展的时代,以前每几个月交付一次应用的模式,已经无法满足企业的需求。如果企业希望继续保持竞争力,就必须做好持续交付创新的准备,同时还要满足企业和个人用户对高质量应用的要求。所以,企业要如何处理这一问题,尤其是在成本增加而预算又紧张的时期?Devops能否解决这一问题?
什么是DevOps?
DevOps这一术语出现已经有几年的时间了,但它究竟是什么?DevOps的出现是为了消除开发(Dev)和运维(Ops )之间的沟通的障碍。众所周知Dev的重点在软件开发和快速创新;Ops的工作核心是业务稳定性、可控性和可预测性 ;而两者结合的DevOps就是为了让这两个职能部门可以更加紧密地合作。DevOps的主要作用是提升新应用交付于市场的时间、质量和安全性;同时,把开发和运维紧密地连接起来从而达到减少成本的目的 。这在今天的应用生态系统中尤为重要。
DevOps已经显成效
你知道吗,这几年DevOps一直默默工作于企业之中。现在就让我们就跟随CA Technologies中国区总经理陈光明的脚步,听听用户对DevOps的心声如何?
近日,CA Technologies对全球13个国家,年收入在5亿美元以上的1,400多名高级IT和业务领导进行了调查,调查显示,那些第一次敢吃DevOps这只“螃蟹”的企业已经尝到了这只“螃蟹”的美味之处;也就是说,DevOps的先行者们已经感受到了DevOps的好处。下面这些数据足以说明企业采用DevOps策略之后的收益有怎样的变化。
下图是通过对每项收益的量化统计,以百分比为单位,部署DevOps后企业获得了多大程度的提升。

由此可以看出,企业从部门间的合作能力提升到收入的增加,还有其它的一些方面,都提升了13%到23%不等。这是多么可观的一项收益提升。如果这份调查特别精准的话,那么企业就要对DevOps加倍重视了。
什么因素驱动企业采用DevOps?
这些企业为什么会选择DevOps呢?节省成本是所有企业都在追求的目标,这肯定是其中的原因之一,那么它是否也是主要或唯一的驱动力呢?有数据有真相,我们也还是来看看敢吃“螃蟹”的人是怎么回答的,毕竟他们才有真正的发言权。

随着技术的发展,成本节约已经不是重要的驱动因素,同时底层基础架构也不再是问题。现在人们更关注的是企业的需求与用户的体验。应用经济时代下,快速的应用开发能力与高水平的用户体验,才是获得市场竞争力的关键。
另外,从图中我们已经了解到DevOps策略的采用,使用企业应用开发时间缩短了将近15%;应用恢复及维护时间缩短大约23%。在已经使用DevOps的案例中,我们可以自信地说DevOps采用确实解决了企业对应用开发时间的要求。那么节省下来的时间,企业完全可以进行应用体验的改进,让用户体验更上一层楼。
虽然DevOps已经默默走进企业中,而且也有不小的成效。但在它发展前进的道路上还是存在着一些障碍。不用太多思考,首先一大障碍就是安全性,无论哪项新技术的采用,这一问题肯定是谁也逃避不了的。那么除了这一“通用”障碍外,是否还有其它因素牵绊着DevOps的成长?
这里我们看看CA Technologies亲自接触客户后,他们发现了哪些真相?

由调查数据可以看出,部门之间沟通是企业领导最关心的,同时也是DevOps更加努力的方向。此外,2014年还出现了一个新的值得注意的阻碍——就是ROI评估困难的问题。因此,DevOps要想在更大范围的企业中得到实施部署,首先就要扳倒这两块绊脚石。
正如陈光明总经理一再强调的那样,“现在所有的企业都是软件公司”。这对应用生态系统造成了重大的威胁,因此企业不能坐以待毙,需要立刻行动起来,加深对DevOps的印象,因为DevOps已经解决了企业的部分问题。不过,在采用DevOps策略之前,企业要结合自身的业务需求,从实际出发,才能更好的拥抱新技术、新设计方法和创新方式!
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。