——作者:Riverbed公司大中华区总经理袁志陵
今天,创新型企业正在向我们提出一系列重大变革性问题,比如:
“我们想成为一家什么样的公司?”
“我们应该利用怎样的数字化服务来实现这一目标?”
这些问题其实是企业数字化转型背后的真正驱动力,也是他们当下关注的焦点。据IDC预测,到2017年底,超过70%的全球500强企业将拥有专门的数字化转型团队。而到2019年,用于数字化转型举措的投资将达到2.2万亿美元,比2016年增长60%还要多。
数字化转型并非一蹴而就之事,而是一个需要规划的战略性且循序渐进的过程。为数字化转型配备专门的团队和预算只是朝正确方向迈出的一小步,真正的困难还在于确定要从何处下手。
数字化转型中云的作用
数字化转型中,云变得无处不在,而且是一个很自然的起点。借助基于云的各项技术完成快速扩展和收缩有助于实现数字化,并应对业务的快速变化。但对于大多数企业而言,实现传统工作负载向云的全面提升和转移并不现实。
成熟企业的旧有系统和应用程序无法在一夜之间迁移至云端,甚至由于监管要求,某些资源必须留在本地。推动企业迈向云计算的关键在于确定哪些是需要先期采取的举措,以此来提升成功的机率,为企业赢得信心,展现影响力。
除了那些云优先和全云的新应用外,您的企业可能有成千上万的应用需要向云迁移。或许您可以把这个数量缩小到几百个。即便如此,你又如何确定哪些应用在云端部署最有意义?
理论上,任何旧有应用都可迁移到云端,但在做出最终决定前,必须了解业务的投资回报率、技术影响和性能影响。这就需要对从网络到应用层的全部协议栈实现全面可视化。
利用如Riverbed SteelCentral™这样的应用性能监测解决方案的企业会发现:他们获得的端到端可视化对于规划数字化转型变革至关重要,因为这样的解决方案是用来监测数字化转型中性能是如何发生变化的。
使用应用性能管理(APM)来监测关键业务应用和服务可将网络各部分的数据集成到应用基础设施的一个完整视图中。现有老旧基础设施的可视化使得企业能够了解每个应用的消耗状况并评估将某一应用迁移到云端的可行性。通过对地区性发展、用户群增长以及消耗特征的评价,企业可以对哪些应用能够迁移到云端做出明智决定。
Riverbed最近宣布:世界上最大的集装箱航运运营商马士基航运公司正在使用Riverbed SteelCentral为其数字化转型战略提供保障。马士基认识到:随着公司的数字化收入从20%增长为超过90%,拥有可扩展和稳定的数字平台基础设施并在整个数字化服务和云端实现端到端可视化至关重要。SteelCentral为企业数字化转型举措的成功实施打下了坚实的监测基础。
Riverbed SteelCentral为企业带来的价值
Riverbed SteelCentral™可以为IT部门提供市场上最全面、模块化、集成的性能管理解决方案,能够对云内外的终端用户、应用、网络和基础设施进行监测,帮助企业消除碎片化、无效性能管理,实现全面、整体管理。Riverbed SteelCentral助力企业以更加均衡的方式实现性能管理。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。