至顶网服务器频道 11月28日 新闻消息(文/李祥敬):现在各行各业都在进行数字化转型,包括从前端的业务到后端的架构。在这种数字化转型中,企业该如何把握转型策略以及借助新技术进行更快更好地转型成为一大挑战。近日,IBM云计算资深架构师黄英杰作客《科技行者》,畅谈了他眼中的企业数字化转型以及IBM借助云计算平台加速企业转型的应对之道。
在黄英杰看来,企业数字化转型需要具备以下几个要素:支撑业务转型的强壮、灵活的基础架构;如何借助新技术挖掘自有数据价值,充分发挥独享数据优势;保证数据安全且流程合规。IBM认为,云计算平台是达到这样愿景的关键技术手段。“云是企业数字化转型一个重要方面,云的标准化、共享特性、自动化可以与企业的业务进行结合产生新的价值。IBM不光提供云平台服务,还有专门的团队协助客户快速搭建创新的业务场景。”
在基础架构层面,很多企业在发展初期已经建立了自己相对完善的IT系统架构,而在数字化转型中,企业仍会面临诸多挑战。黄英杰表示,企业原有的IT架构在支撑企业核心业务方面仍然发挥了重要的作用。在数字化转型中,我们并不是抛弃原有架构。
“传统IT架构与新架构之间应该是一种协同的关系,这样才能产生更好的价值。因为在数字化转型中,企业需要面对新的应用场景,而这种新的应用场景就需要新的架构与之对应。IBM 云计算平台要做的是既可以帮助企业承载传统工作负载,同时也能轻松地开发和运行创新应用。”黄英杰说。
黄英杰表示,现在公有云可以交付给企业很多能力,我们需要把这些不同的能力组合在一块,产生新的价值。比如企业的很多核心数据产生在内部也必须保留在防火墙内,如何通过混合云架构把这些数据的价值释放出来,这是企业必须要思考的。
针对企业的业务创新需求,IBM 云计算提供了丰富的产品和服务,比如基于微服务的云架构、云部署和云管理应用,开源的DevOps工具及服务,以及集成在IBM公有云的人工智能、区块链、物联网等前沿技术接入。“传统企业可以借助IBM云计算平台实现业务转型,IBM帮助企业认识自己的IT架构和业务场景,并通过公有云的环境创新业务形态。”黄英杰说。
IBM云计算提供了多样化的计算力供给,企业可以在上面运行各种不同的负载能力。同时,在现今这个数据为王的年代,企业面对是的海量的数据,而要实现海量数据的价值实现需要新的工具。IBM云计算提供了这样的数据科学工具箱,比如IBM Big Insights on Cloud、IBM Analytics for Apache Spark等。“企业自身产生的数据是独一无二的,这也是企业形成差异化竞争优势的先决条件。IBM通过云交付各种大数据开源技术,帮助企业应对数据挑战。”黄英杰说。
人工智能技术正在迅猛发展。在过去的60年中,IBM始终在研究、部署和投资人工智能技术,运营着全球最大的行业研究机构,并推出了业界唯一规模化并在实际应用中的商用人工智能云平台Watson,目前提供50多种API允许企业和开发者将认知能力运用到自身数字转型的业务中。
黄英杰表示,借助这些服务,IBM云计算能帮助企业在大量数据里挖掘新的价值。“认知计算是对非结构化数据的一种处理能力,同时让机器感知、理解人,经过推理与人类通过自然语言进行互动。目前IBM的认知系统已经有众多的行业实践,比如在健康医疗领域,Watson健康将认知计算科技、医学生物学前沿科技创新与循证医疗大数据结合起来,能够在医学研究、诊疗辅助、认知关怀和个人健康管理等多个方面提供独特的价值。在金融领域也一样,Watson可以应用在合规监管和投资组合等,这种认知计算能力的引入让未来的想象空间无限扩大。”
在云平台的选择上,虽然公有云呈现爆发态势,但是我们仍然不能忽视私有云的存在。毕竟对于某些行业,处于合规和安全考虑,私有云的方式更符合业务需求。同时,现在企业面临一个混合云的管理环境,某些业务使用公有云,而在企业内部则使用私有云,如何实现这些多云的统一管理也是企业数字化转型中需要面对的。
黄英杰说,在集成方面,IBM 云计算在数据和接口两个方面支撑企业打通不同系统,实现混合云集成的场景。IBM能够根据API、应用、消息、数据等各个方面来构建最新的集成模型,以便企业能够利用技术优势来推动数字变革。此外,IBM混合云集成解决方案还能够帮助企业应对与安全、治理、性能、扩展相关的挑战。
当今时代,数字化转型已经成为企业的必选项。而如何成功实现数字化转型是摆在企业面前的一个重要问题,IBM通过云平台赋能企业数字化转型,同时结合自身在行业数字化转型方面的实践,加速了企业数字化转型的步伐。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。