在经历概念形成期、应用试水期之后,移动化部署正在政府、军队、军工、大型企业等组织中得到快速普及,“移动优先”也相应地成为越来越多的组织在推进信息化建设过程中所遵循的原则。这不仅意味着组织将移动化工具引入到组织运营管理之中,也意味着组织IT架构可能面临全新变革。
“移动优先”成为流行趋势
“移动优先”的概念之所以会得到普遍认可,关键原因是移动智能终端广泛普及以及移动应用的迅速落地。正是因为如此,让移动互联网成为组织以及个人用户获取信息、与外界进行交互的主要方式之一。目前移动数据流量已经超过PC数据流量,由此可见,要适应信息化终端的移动化转变,首先需要从理念上落实移动化的需求。
对于组织来说,在组织内部推行移动化的压力虽然要小很多,但是趋势却是难以避免。究其原因,是源于移动设备在组织运营管理流程中的逐步渗透。根据Tech Target的介绍,这是一种“工作习惯的变化趋势,会有越来越多的员工在办公室外工作,他们会在执行业务、任务的过程中使用各种移动设备和云服务”。这意味着不需要迫使员工做任何事,不过组织依然需要解决一些具体的问题,尤其是围绕可用性、安全策略,以及成本方面的问题。
对于政府、军队、军工这样的特殊组织用户来说,强调“移动优先”的重要性往往要比其它行业更加突出。这是因为政府、军队、军工在很多应用场景中都难以携带PC等传统的设备,使用移动设备来承载信息化任务就成为最佳方式。例如,公安部门在外出执勤的时候基本没有条件携带PC,通过智能手机来接收指令、执行任务就至关重要;在军营里,大范围推广PC并不现实,智能手机、平板电脑也就成为官兵获取资讯、融入数字化社会的重要信息源设备。
与即将到来的物联网世界联系起来,“移动优先”的策略就显得更加必要了。在物联网世界中,每一台移动设备都是与世界智能交互的终端,承担着数据搜集、信息展示等重要的功能,及早地进行移动化转型,可以帮助组织在物联网世界中提前布局。
“移动优先”面临巨大危机
虽然说很多组织都意识到“移动优先”的重要意义,但是要推行这一策略却不是简单的引入移动设备那么简单。在前几年,很多组织都在企业内部推行BYOD策略,但是最终的实施结果往往却不尽如人意:要么是BYOD策略没有如愿地提升组织工作效率,要么是在员工的“软抵制”下沦为员工的购机补贴。
基于此,启迪国信灵通市场总监张永利表示:“移动化是对组织现有IT架构的颠覆性改变,因此组织需要妥善规划移动技术路线图,结合组织规模和多个因素,重新定义业务和技术特征,实施更加成熟的移动化策略。”
具体来说,组织需要解决移动化的整合管理、安全保障以及应用拓展问题。
整合管理:虽然移动设备与PC有着很大的差异,但是在组织内部,移动化流程非常有必要与固有的信息化流程整合起来,而不是相互割裂。这也意味着组织最好能够打造统一的移动门户,在后端紧密衔接组织现有IT系统,在前端通过单点登录功能实现统一的工作入口,并能对于移动应用进行整合管理。
安全保障:在移动化场景之中,经常会涉及到将业务数据带离组织范围,这样会导致严重的网络安全风险。要在不影响移动化应用的前提下提升安全性,政府、军队、军工等组织更倾向选择双系统移动化解决方案:“生活区”与“工作区”相互分离,并进行严格的制度制约。而对于中小型企业来说,除了部署移动化管理平台对移动设备、移动应用进行安全管理之外,还需要明确移动生活与移动工作之间的界限,确保机密信息不外泄。
应用拓展:移动应用拓展问题经常被忽略,但这一点其实非常重要。因为移动化的生命力在于应用,只有涵盖更多的应用场景,才能尽量确保移动化数据处于管理之中。例如,在组织没有建立安全移动存储的能力之前,员工往往倾向于利用公有云存储服务来进行信息分享;而在应用企业级即时通讯、企业级安全邮件客户端等解决方案建立这一能力之后,组织便可以对信息的分享流程进行更加严格的管控。
“超越移动优先” 重塑信息化流程
“移动优先”已经得到了足够强调,但是很多业界专家提出了“超越移动优先”的观点。因为这一策略更多的将移动化与传统信息化的优先度进行区分,强调移动化的重要性。而随着移动互联网的深入渗透,移动化将成为组织的必备策略,移动化流程也将融入到整体的信息化流程之中,所以也就无需特意的强调“移动优先”。
未来随着云计算和物联网技术的发展,组织移动性将逐渐采用“超越移动为先”的方式,并实现创新技术的融合。实际上,物联网、云计算以及大数据的结合已经改变了我们使用移动技术的方法,这将给组织的业务运营管理模式带来全新的变革,也将促使我们深入研究移动化与其它创新技术的整合模型,以重塑安全智能的信息化流程。
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。