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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。