数字化转型已成必然,但仍需推波助澜
在数字经济发展大潮中,数字化转型已经成为当前各行各业普遍关注与发展的方向。从国家倡导的“加强IT基础设施建设”,“推动互联网和实体经济深度融合”与“加快传统产业数字化和智能化”等政策指导层面,到全面互联和云化的全新行业形态,再到我们日常的数字化生活体验,数字化转型在改善民生、发展经济与优化治理等领域,正在起到越来越重要的作用。
新华三集团总裁兼首席执行官 于英涛
到2020年,全球数字化转型相关的行业增加值将达到18万亿美元,在全球有46%的企业将促进数字业务发展作为未来一年内的首要业务优先级,而在中国,这个比例数值是69%。因此,无论从全球范围还是从国内市场来看,数字化转型已经势不可挡。
虽然在中国市场的数字经济总量已经在GDP中占比超过30%(数据来自工信部信通院《中国数字经济发展白皮书(2017)》),但是我们认为,中国产业和企业的数字化转型进程仍需要进一步提速。我们也从有关研究中发现,中国的数字化转型实际上在面临着重大发展机遇的同时,依然也面对着很大的挑战。有85%的中国企业处于数字化转型探索阶段,60%的中国企业数字化转型受阻于IT技术设施不足,这就需要在推动数字化转型的技术、标准、商业模式、生态等方面,不断提升能力和加快发展。
担当数字化转型助推者需要两大核心能力
面对这样的挑战,需要有领先的IT企业担当助推者,用其最完整的数字化转型技术和解决方案,帮助产业中各领域的企业加快数字化转型的发展步伐。
那么,IT企业怎样才能成功肩负起数字化转型助推者的使命?其中的关键有两点:首先是必须具备数字化技术的前沿洞察与研发能力,能够预见、引领数字化转型策略、技术与应用的发展方向,让企业少走弯路,并实现数字化转型的高效产出;另一方面,就是必须拥有对用户所在行业数字化转型的需求洞察与实践能力,能为用户提供解决其挑战和满足其核心需求的基础架构、产品与解决方案,帮助用户达成其数字化转型的最终目标。
这两种洞察与能力,恰恰是新华三所具备且一直努力保持的优势。新华三以“应用驱动,云领未来”为新IT核心战略,强调自主创新,并不断增强研发投入,在IT基础架构、创新平台、场景化解决方案以及咨询和服务等方面,均站在了产业的最前端,并且在云计算、大数据、物联网以及5G和人工智能等领域不断迈出坚实的脚步。
同时,我们长期深入服务中国百行百业,在不断推动产业信息化进程中,积累了非常丰富的最佳实践。我们将继续致力于用新IT的技术创新与开发优势,来加速各行业的数字化转型进程,为其赋予强大动能。
需求变革催生市场新格局
那么,具体到针对不断加速的数字化转型需求,应该提供怎样的产品与解决方案,才能在未来给予用户更多变革的“动能”?就这一点而言,还是需要围绕用户的需求变化趋势来考虑。
在数字化转型过程中,用户提出的需求必然更为复杂、多变甚至充满严峻挑战,这无疑给IT厂商带来了许多新的难题和巨大压力。在这样的发展前提下,我们认为,未来两三年内中国的IT市场将可能面临重新洗牌,陷入同质化产品竞争的IT企业将被淘汰。
要在未来IT市场继续保持优势,企业就需要打造全新的IT基础架构,在开放、融合、软件定义、场景化和智能这五大方向上保持领先:首先是要支持开源、开放的生态链,并实现计算、存储、网络、安全一体化的融合,具备灵活配置资源的软件定义能力,能够根据特定应用场景全面优化资源,以及在感知与适配应用、自动部署和管理方面实现智能化水平。
今天,我们发布了下一代计算与存储五大系列、近40款新品,所有的这些技术创新与突破,都是为了使IT基础架构更高效、更敏捷、更安全的支撑数字化转型需求。
凭借面向未来的IT基础架构,和“应用驱动,云领未来”的新IT核心策略,我们有信心继续引领全新的IT发展方向,实现既定的IT业务发展目标,并开启IT市场的全新格局。新华三也将伴随着数字化转型大潮,乘风扬帆,继续领航。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。