如今,数字化增长速度远超企业、个人的想象力。IDC报告指出,到2020年,50%的中国2000强制造业企业,将会依靠数字化平台来增加他们对生态系统和体验的投资,并支持其总收入的30%。从全球来看,去年67%的全球TOP1000企业已经将数字化转型作为公司战略的核心。
埃森哲分析报告也指出,从2000年开始到现在,在全球500强企业中有50%的消失企业是因为它们没有抓住数字化转型的机遇。IDC的分析报告也指出,未来如果不重视数字化转型,五百强企业中三分之一的企业将慢慢出局。
在企业数字化转型的道路上,IT基础设施是必不可少的重要支撑。近几年来,随着企业数字化转型进程的推进,IT基础设施正在发生重要变革,而混合云、网络虚拟化、分布式存储等等成为这轮变革的关键词。
毫无疑问,数字化转型进程中数据量的爆发将会对IT领域特别是IT基础设施层面产生重大的变革。如何应对这一挑战,我们邀请到新华三集团工业标准服务器产品部总经理刘宏程,畅谈他眼中的数字化时代及应对之道。
在庞大的数据量中挖掘对企业自身的竞争优势和价值是一件非常困难的事情,在刘宏程看来,企业要解决基础设施层面两个方面的问题,一是软件定义,二是硬件的灵活扩充。
“数字化变革中,业务的应用类型和应用场景可能随时发生变化,这要求企业所具备的计算能力要快速变化。同时由于计算和存储、网络相辅相成,共同形成一个整体完成数字化处理能力,这就需要其有足够的灵活度,称之为IT基础设施的软件定义。”刘宏程说。
其次是硬件的扩充能力,数据量爆发增长,企业已经难以用少数的IT设备完成数据处理的要求,这时需要随时随需的灵活扩充。其中不仅包括企业内部的硬件扩充能力,还需要外部获取计算能力满足云计算的业务需求。
刘宏程表示,作为国内少数拥有计算、存储、网络等完整新IT基础架构能力,以及云计算、大数据、网络安全与物联网等数字化解决方案的厂商,新华三能够从整个基础设施架构层面解决数字化转型中的各种问题。并且对于外部获取计算资源的需求,新华三也提供了完善的管理解决方案,让用户的计算、存储和网络能力在内部的IT基础设施和外界所有的云计算基础设施间进行迁移和管理,从而构建混合的基础设施架构。
以数据驱动的新工业革命时代已经到来,面向未来的新思潮、新思想、新思考正在不断产生,每一个企业、机构都感受到了转型和创新的迫切性。在这种情况下,我们需要开放思想,跨界思维,踊跃构建新的IT平台,积极布局新的商业模式。
2018年8月17日,由英特尔主办的《英特尔数字化创新行业峰会》将在北京金隅喜来登酒店举行。此次会议邀请100多位领导、行业专家、大型企业客户,以及40位媒体参与活动。来自英特尔的嘉宾、Forrester分析师、京东云总裁申元庆、知名学者、商业思想家吴伯凡等进行了主题分享。
英特尔数字化创新行业峰会是数字化转型的创新会议。大会将邀请英特尔相关嘉宾分享英特尔对于数字化转型与创新的最新洞察,深层次阐释英特尔最新产品及技术的诸多应用,同时来自中国互联网领域的标杆企业,和大中型企业代表用户一起,共同分享他们的技术和商业创新实践。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。