不同企业的IT运维模式差别较大,这往往和企业信息化建设的模式有关。例如企业自建系统一般都会采用自己运维的模式,采用外购模式的企业往往需要产品或解决方案提供商来协助运维(即运维外包)。
不同地域、不同行业的信息化应用水平不同,企业信息系统的运维管理也不同;即使同一个企业,IT运维模式也存在差别。
目前大型企业的两种IT运维模式中,自己运维的企业占比62.5%;运维外包占比37.5%(其中云服务占3.1%)
企业信息化系统运维模式分布 (N = 127)
自己运维还是各行业大部分企业的首选,但在不同行业仍有差别。在政府行业,运维外包比率较高。另外,采用云服务建设模式的企业较少,比例也相应较低。
企业信息化系统运维模式行业分布 (N = 127)
不同的运维模式有不同的价值,大型企业要从IT能力、成本、响应度等方面来进行综合考量。
不同运维模式分析
自己运维
指企业信息化系统由企业内部人员来完成维护和升级的运维模式。自建信息化系统的企业通常会采用自己运维的模式;部分信息化采用定制开发系统的企业, 通过实施方对企业信息化人员进行培训,也能实现自己运维。这种运维模式能够快速及时地解决企业信息系统的问题,但是常常存在专业性不足、要求企业的信息化 部门相对稳定、投入成本也高。
运维外包
此模式包括系统属于自己但运维外包和直接购买云服务两种模式。外购信息化系统的企业通常采用运维外包的模式;采用云服务建设系统一定是运维外包。运维外包服务商的响应速度和服务水平直接决定着运维服务的质量。
研究小组调查发现,在运维外包模式中,云服务模式是新的运维模式,采用云建设模式的企业较少,故比率较低,仅为8.3%。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。