康普RUCKUS大中华区总监 程俊邦
成功的企业从不会停止适应不断变化的商业环境。就像经验丰富的球队队长能够洞察赛场,从而发现机会、权衡风险一样,主动出击的企业才能蓬勃发展。无论是在体育界还是在商界,在等待最佳行进路线逐渐明朗的过程中,原地踏步、消极被动都将导致自己被超越。随着一系列重要的企业技术的发展,2024 年很可能会成为企业在市场竞争中脱颖而出的关键一年。
今年将有三件大事发生,其各有各的风险、益处和解决方案。虽然这并不是一份详尽的清单,但其中包括了将在 2024 年以某种方式影响大多数企业的技术,而且一些企业可能已经在采用了。
Wi-Fi 7 添加了多链路操作(MLO)功能,使接入点(AP)能够同时驱动多个频段和信道,因此同一接入点可同时提供 2.4 GHz、5 GHz和 6 GHz 的数据流,从而使容量激增,大大降低延迟。此外,MLO 还能在终端和 Wi-Fi® AP 之间提供更可靠的连接。因此,2024 年,企业将更深入地审视自身用例,并认识到曾经被认为无法通过 Wi-Fi 实现的用例终于成为可能。
此外,6.0 GHz 频段也被未授权的蜂窝网络应用所共享。这为融合网络中一些令人兴奋的应用打开了大门:
对于希望在人员和设备连接方式上实现高敏捷性的企业来说,2024 年将在如何并行驱动多个网络和协议方面取得重要进展,通过专用网络优化连接组合,满足企业的特定需求。
以上就是 2024 年对于企业的利好消息。这些技术将为未来十年或二十年的发展奠定基础,而且它们都将在同一时间成为主流技术。当然,这种增长也伴随着“成长的烦恼”,这些烦恼也可归结为横跨这些技术的三大挑战:
这些相互关联的挑战中,每一项都像是需要攀登的陡峭山坡,但其并非无法逾越。即使企业开始感受到这些挑战,他们也有创新的解决方案可供选择。那些善于利用新技术的企业将在未来几年中处于有利地位,并最大限度地减少潜在不利因素。对于渴望充满信心地拥抱这些进步的企业,以下是其可用的三大关键资源:
可用于训练AI系统的算力(数据由 OpenAI提供)和随着时间推移的相应成本(数据由 ARK Invest提供)示例
AI驱动的网络管理已经变得足够强大,能够以更少的 IT 参与和更精简的预算来保持融合型企业网络的平稳运行,而且根据 ARK Invest 的预测,训练专用 GPT-3 AI模型的前期成本
将骤降至几年前所需投资的 0.0065%。在企业构建更加融合、灵活和强大的网络时,AI也能帮助确保 SLA 合规性,从而消除采用AI的大部分风险。
这些优势以前只能在由不同供应商的安全硬件和软件组成的分散、不可靠的生态系统中获得。经过 Matter 和 Thread 认证的设备将最终消除阻碍物联网更广泛应用的挑战和风险。
最后,对于那些受限于 IT 资源和时间,而非设计、构建、管理和支持融合网络所需的资金的企业来说,也有供应商可提供一整套“托管服务”供其选择,以满足其网络需求。
这三种解决方案的一个共同点是,它们都致力于为企业减轻与最先进的融合网络相关的复杂性。AI提供了最受欢迎的优势,即网络保障,超越了普通的监控,使精干的 IT 团队能够处理价值更高的项目。同样,为支持互操作性、安全性和简便性而构建的 Matter 和 Thread 协议所提供的定义明确的连接框架,在加速物联网应用在许多行业垂直领域的普及方面发挥着关键作用。最后,NaaS 模式可将整体体验简化为企业与网络之间简单的交钥匙关系。
2024 年的关键发展将产生远超未来一年的深远影响。如此多令人兴奋的技术进入主流,很可能为未来几十年的发展奠定基础。对于有意向接受这些技术的企业来说,如果能将AI、物联网和 NaaS 支持巧妙地结合,2024 年将成为一个非常美好的开始。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。