根据一项新的调查显示,美国公司逐渐开始禁止携带自己设备到工作场所(BYOD)趋势,在五年前,BYOD开始出现在企业环境,员工使用个人智能手机和平板电脑用于工作。
在今年4月和5月,非营利性IT行业协会CompTIA对美国私有企业375名IT专业人员进行的在线调查发现,53%的企业禁止BYOD,而在2013年这个数据仅为34%。禁止BYOD意味着企业向员工提供智能手机和平板电脑,禁止员工使用个人设备用于工作。
此外,只有7%的受访者表示他们允许完全的BYOD政策,即公司不对设备承担任何责任。另外40%允许部分BYOD政策,即公司提供一些设备,而同时允许一些个人设备来访问企业系统。
CompTIA协会研究和市场情报高级副总裁Tim Herbert表示:“这并不是说BYOD已经消亡,但似乎在企业BYOD的使用正在减少。”
这些BYOD调查结果发布在在CompTIA综合性报告《构建数字化企业》中,该报告研究了移动设备和云计算对企业的交织影响。该报告称:“云计算 和移动代表着真正的革命。”并指出这两项技术占2015年IT指出所有曾展的100%。全球无线数据支出将达到5360亿美元,而智能手机和平板电脑的销 量将会达到4840亿美元;整体云计算支出将会达到1180亿美元。
该报告指出,现在越来越多的企业开始转移到没有BYOD的政策,企业发现他们可以向员工提供移动设备来确保移动举措,这些员工通常乐于接受企业提供的设备—如果这些设备与他们自己选择的设备类似。
管理软件供应商Good进行的研究发现,企业使用的70%智能手机和平板电脑运行苹果的iOS系统。
CompTIA报告指出,即时公司禁止BYOD,有些员工还是会想方设法利用自己的个人设备和应用程序。J.Gold Associates公司分析师Jack Gold表示,“BYOD热潮已经开始消退,现在企业都更加谨慎,他们知道BYOD带来的好处不会大于其风险。”
Gold同意称,如果员工可以从企业获得更好的设备,他们就不太会逃避IT的BYOD禁令。“BYOD趋势背后的很多原始推动力源自于员工想要更换企业的老式设备(例如黑莓),转而使用更新的iPhone以及Android。”
Gold和Herbert表示,五年前很多企业认为他们可以通过让员工自己购买设备以及每月支付费用来节省成本,Gold称:“但是事实通常并非如此,因为公司已经意识到BYOD的风险。”
另一个现实是,最近员工发现他们可以保存个人照片、音乐和其他数据在个人云存储库,这意味着当他们离开公司时他们的个人资料不会丢失,并且,他们必须使用企业拥有的手机或平板电脑。
CompTIA调查还发现企业内关于BYOD以及移动设备管理(MDM)的讨论已经确定下来。有时候,从未制定内部设备使用政策的企业创建了安全政 策,并对员工培训,让他们知道哪些用户不允许使用智能手机和平板电脑,从而降低安全风险。例如,有的公司从未部署政策来限制可使用工作设备访问的网站,或 者从未限制智能手机相机的使用,而在过去两年该公司可能已经制定了移动策略。
“MDM的部署水平可能没有达到几年前有些人预测的那样,”Herbert表示,“部分原因可能在于企业专注于确保正确的基础移动使用,现在可能有安全政策涵盖移动性。很奇怪的是,多年来,很多公司根本没有正式的移动使用政策。”
如果企业通过禁止BYOD控制智能手机或平板电脑类型,更简单的做法应该是设置政策看看用户是否会遵守这些政策,这可以帮助减少安全泄露事故以及降低应对安全泄露的成本。Herbert表示:“现在企业开始投入更多资金在员工培训,员工也开始具有移动安全风险意识。”
CompTIA还采访了IT主管,他们表示企业对MDM和BYOD的侧重将会演变对物联网的重视,主要是作为移动技术的延伸。Herbert补充说:“IoT是非常广泛的领域,它可以为设备增加以前不具备的智能性。”
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。