根据 Informa TechTarget 旗下 Enterprise Strategy Group 的年度支出意向研究显示,无论是单独还是与生成式 AI (GenAI) 结合,网络安全都主导着 2025 年企业 IT 投资计划。
这项基于全球 1,351 名 IT 和商业专业人士回应的研究发现,网络安全投资超过所有其他类别,同时 AI 和分析领域也呈现显著增长趋势。在接受调查的组织中(其中 28% 来自 EMEA 地区),大多数预计在 2025 年将维持或增加所有主要技术类别的支出,其中网络安全最可能获得支出增长,其次是客户体验和应用程序开发。
约四分之三的 EMEA 和北美受访者表示,2025 年的整体 IT 投资将较 2024 年有所增加。这项研究在第三季度进行,正值许多组织制定下一年投资计划之际。
生成式 AI 与网络安全竞争投资重点,而安全领域也越来越多地应用生成式 AI。数据管理作为相关领域,生成式 AI 在其投资中占据领先地位。
在商业计划方面,网络安全 (整体 49%) 远超其他领域,包括降低成本 (36%)、改善数据分析和商业智能 (35%) 以及提高业务工作流程自动化 (35%)。网络安全在 EMEA (44%) 和北美 (51%) 均排名第一,这可能预示着 EMEA 的发展方向。在商业计划中,"提高应对网络攻击的运营韧性"在北美为 29%,EMEA 为 28%,几乎持平。
在年度最重要的 IT 计划中,加强网络安全工具和流程以 27% 的总体比例 (EMEA 25%,北美 30%) 遥遥领先,其次是 AI 和机器学习的应用 (16%),以及利用数据分析获取实时商业智能和客户洞察 (14%)。
在网络安全领域,调查显示零信任网络访问 (ZTNA) 将成为 2025 年组织在云安全投资中的首选。防火墙(包括下一代防火墙)是网络安全投资的首要目标,而多因素认证则是身份相关安全技术的重点。
在云投资规划方面,受访者将 ZTNA 视为 2025 年最重要的云安全投资之一 (2025 年 48% 相比 2024 年 41%)。其次是云数据安全和数据丢失防护 (38%),以及应用程序接口 (API) 安全 (37%)。
根据研究报告作者 Bill Lundell 和 Christian Perry 的观点,近年来 API 使用的增长支持了现代应用程序并连接各种系统和服务,这加强了这一关注点。这是因为依赖 API 的微服务生态系统复杂且难以完全确保安全。
AI 的整体崛起十分显著,将 AI 视为对其未来显著重要的技术计划的组织数量激增(今年 44% 相比去年 28%)。它现在与网络安全 (59%) 和云计算 (38%) 并驾齐驱。
Lundell 和 Perry 表示:"随着 AI 发展势头强劲,组织正迅速将预算集中在生成式 AI 技术上,以加速自动化并消除其 IT 和业务环境中几乎所有元素的效率低下问题。"
生成式 AI 作为重要支出目标持续上升,53% 的组织计划在 2025 年进行投资(高于 2024 年的 46%)。
在信息管理领域,生成式 AI 相比其他技术在投资目标中的主导地位,清楚地表明组织正在优先考虑该技术,而不受其现有 AI 战略的影响。53% 的组织计划在 2025 年对数据管理领域的生成式 AI 进行投资,高于 2024 年的 46%。
好文章,需要你的鼓励
Canva宣布收购生成式AI内容创作初创公司Leonardo.ai,交易条款未披露,但采用现金加股票的混合方式。Leonardo.ai的120名员工将全部加入Canva。Leonardo.ai成立于2022年,拥有1900万注册用户,其工具已创建超过10亿张图像。该公司将继续独立运营,专注于快速创新和研发。此次收购旨在帮助Canva扩展其Magic Studio生成式AI套件功能。
希伯来大学研究团队开发的Story2Board系统实现了从文字故事到专业故事板的自动转换突破。该系统采用潜在面板锚定和相互注意力数值混合两项核心技术,在保持角色一致性的同时实现丰富的视觉表现力。系统无需训练即可运行,能够生成电影级构图效果的连续画面,为内容创作、教育和娱乐产业提供了强大的AI辅助工具,代表了人机协作创作的新模式。
亚马逊推出Quick Suite软件平台,旨在简化AI智能体和企业聊天机器人的创建过程。该平台支持50个企业级应用集成,包括Office 365、Slack等,提供无代码环境连接内部文档和数据源。平台包含Quick Flows自动化工具、Quick Research研究功能等组件。尽管降低了技术门槛,但AI智能体的准确性仍存疑虑,研究显示其办公任务错误率达70%。
北京邮电大学联合腾讯团队开发的We-Math 2.0系统,通过构建491个知识点的数学知识体系、创新的三维难度建模和渐进式强化学习框架,让AI模型获得了真正的数学推理能力。该系统仅用9800个高质量样本就达到了与大规模数据训练相当的性能,在多个基准测试中表现优异,为AI数学教育应用开辟了新道路。