亚太地区近六成(59%)企业计划将边缘全面整合到其云基础设施和管理战略中
2021年12月8日——负责支持和保护数字化体验且深受全球企业信赖的解决方案提供商阿卡迈技术公司(Akamai Technologies, Inc.,以下简称:Akamai)(NASDAQ:AKAM)的研究表明,在因新冠疫情而改变的世界中,边缘计算将成为亚太地区商业技术领域的最大变化之一,并且会带来树立差异化竞争优势的巨大机会。
从2022年起,全球对于消费者数字体验的重视程度将不断增加。边缘投资与创新可令企业有效地除旧更新,包括减少延迟、提高可扩展性、提高安全性,并使企业能够提供令消费者满意的体验。
由Akamai发起的《The Business Value of Edge in a Digital-First World》IDC InfoBrief信息简报[1]表明,企业已注意到边缘的好处,亚太地区近六成(59%)的企业计划将边缘全面整合到其云基础设施和管理战略中。IDC的研究表明,在未来几年内,亚太地区多达30%的新型企业基础设施可能被部署在边缘,因为企业希望围绕实现无界混合工作环境、保护企业远程外围、支持边缘处的数据驱动型智能决策这些主题,实现一系列创新用例[2]。
Akamai产品管理总监Hrishikesh Varma指出:“在当今的数字世界中,人们对于快速可靠的在线服务期望颇高。边缘计算为寻求满足这种期望的企业提供了竞争价值,因为它解锁了安全、可扩展的功能,提供了新的收入来源,并且为客户提供了更丰富的数字化体验。”
边缘技术成为具有战略意义的差异化因素
边缘可让企业实现可靠性和可用性方面的显著提升。亚太地区的企业正在通过边缘满足更广泛的计算密集型需求,并且取得了可观的回报。提高可靠性和可用性是企业将应用程序置于边缘位置的关键驱动因素,26%的受访者将其评为排名第一的驱动因素。其他关键驱动因素包括:提高数据和应用程序的安全性和合规性(25%);更好地实现基础设施的现代化、简化和管理(22%);减少数据迁移问题(21%);以及改善最终用户体验(19%)[3]。
IDC研究副总监Pushkaraksh Shanbhag表示:“让企业能够充分利用边缘资产的潜力这一全球重要趋势和技术进步将成为解锁大量创新和强大新用例的起点。准备好在未来几年中充分利用边缘力量的企业将能够在竞争生态系统中树立和巩固数字化领导力。”
向边缘迁移的重要驱动趋势
向边缘迁移的重要驱动趋势包括快速变化的混合式办公环境、朝着软件支持型企业的转变,以及保护新型数字化环境的需求。
在这种形势下,企业需要优先考虑以下事项:
[1]IDC InfoBrief信息简报由Akamai提供赞助,《The Business Value of Edge in a Digital-First World》,文档编号AP241273IB,2021年11月
[2]IDC的《Asia/Pacific Cloud Pulse Survey》,2021年第一季度
[3]IDC的《Asia/Pacific Cloud Pulse Survey》,2021年第一季度
[4] 《IDC FutureScape: Worldwide Future of Work 2021 Predictions — Asia/Pacific (Excluding Japan) Implications》
[5] 《IDC FutureScape: Worldwide Artificial Intelligence 2021 Predictions: APEJ Implications》
[6] 《IDC FutureScape: Worldwide Future of Digital Infrastructure 2021 Predictions — Asia/Pacific (Excluding Japan) Implications》
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。