中国在2018年对技术产品和服务的总支出将超2.6万亿人民币
【2018年1月29日】全球领先的信息技术研究和顾问公司Gartner表示,2018年全球IT支出预计将达到3.7万亿美元,较2017年增长4.5%。
Gartner研究副总裁John-David Lovelock表示:“全球IT支出在2017年开始回升,预计在未来几年会持续增长。但由于各企业机构考虑到英国脱欧的潜在影响、币值波动和可能出现的全球经济衰退,不确定性渐渐浮现。尽管存在这样的不确定性,各企业仍然预期收入增长,将继续投资于信息技术,但他们的支出模式将出现变化。有关数字化业务(digital business)、区块链(blockchain)和物联网(IoT)的项目,以及从大数据(big data)、算法(algorithms)、机器学习(machine learning)到人工智能(AI)的一系列技术进步将继续带动IT支出增长。”
企业软件仍将呈现强劲增长,全球软件支出预计在2018年增长9.5%,在2019年再增长8.4%,届时总值将达到4210亿美元(见表一)。Gartner预计各企业机构会在2018年增加企业应用软件方面的支出,其中更多预算转向软件即服务(SaaS)。基于SaaS的解决方案可用性越来越高,将推动对许多子类别解决方案的采用和支出,如金融管理系统(FMS)、人力资本管理(HCM)和分析应用程序(analytic applications)等。
表一、全球IT支出预测(单位:10亿美元)
Gartner预计设备细分市场在2018年将增长5.6%。设备细分市场在2017年增长5.7%,这是两年来的首次增长。尽管Gartner预计单位销量将有所下降,但由于手机的平均售价继续上升,终端用户在手机上的支出仍将稍有增长。虽然用户持续转移使用Windows 10的情况会进一步带动PC在中国、拉美和东欧的商业市场正增长,但Gartner预计PC在2018年的增长率与往年持平。正如Gartner预计,iPhone 8和iPhone X在2017年产生的影响极小,但Gartner预计在iOS在2018年的出货量会增长9.1%。
Lovelock先生表示:“考虑到未来几年带动支出增长的一些关键领域,Gartner预测到2021年,AI会带来商业价值为2.9万亿美元的新机会,并能节省相当于工人在62亿小时内的生产力。这种商业价值具体体现在:使用AI提升效率;使用AI创建使客户体验更为个性化的洞察;使用AI增加互动性和业务量;使用AI增加提升收入的机会,这也将成为数据洞察驱动的全新商业模式的一部分。”
Lovelock先生进一步表示:“获取潜在商业价值需要有所投入,特别是当企业希望在短期内达到节省成本的目的时。由于AI具有‘力量增幅器’(force multiplier)的作用,为提升客户体验和收入而投资AI,将可能带来收益——积极的网络效应(positive network effects)将超过投入成本,而由此获得的收入也会增加。”
Gartner预测,中国在2018年对技术产品和服务的总支出会增长6.7%,超过2.6万亿人民币。
表二、中国IT支出预测(单位:百万元)
Gartner的IT支出预测基于数千家提供各种IT产品与服务厂商的销售数字。Gartner采用各种主流研究技巧,再以次级研究资源进行补充,以建立一套市场规模资料的完整资料库,并借此进行预测。
Gartner每季度发布的IT支出预测报告提供了针对软硬件、IT服务与电信等细分市场内IT支出的独特视角。这些报告有助于Gartner客户深入了解市场商机与挑战。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。