Kevin Greely,Parallels亚太区总经理
在各种挑战日渐增多的经济环境下,企业们已经意识到,面对不断攀升的成本和更加激烈的竞争,实现利润增长正变得难上加难。虽然企业领导者们一致认为,先进的技术为企业在数字经济环境下转型带来了无限机会,但依然有许多障碍是企业必须努力克服的,其中包括:预算紧张、IT人才缺口以及四周潜伏的网络安全威胁等。
展望2019年,在构建长期数字化转型时,必须牢记以下三大趋势。
人才短缺是各企业在实施数字化转型过程中所面临的最大问题之一。张贴一份招募数据科学家的广告相对来说很容易,但是没有足够的人才来满足这一需求。
通过聘请合作伙伴肩负技术重任,各企业可以集中精力关注供应链上更具可持续性的高价值环节——充当客户的战略技术顾问并让企业的高价值人才负责高价值工作。同时,这还能提高员工留职率,并且支持现有人员确定创收机会,改进内部流程等。
例如,我们的澳大利亚客户——维多利亚州原住民社区管理卫生组织(VACCHO)将Parallels Remote Application Server(RAS)用作其解决方案的一部分,以集中管理关键IT服务的采购与部署,并为VACCHO及其会员组织提供支持——其中包括:PC、移动设备和Microsoft Office等应用。
借助Parallels RAS,VACCHO能够在2个月内通过最新版Microsoft Windows与Microsoft Office更新100多台终端用户设备,同时通过提供数据限制、加密与双重认证等高度精细的许可功能而增强整体安全性。
更为重要的是,焕然一新的基础架构大大提高了生产力。VACCHO及其会员组织的许多终端用户位于维多利亚州的农村地区,这些地区的生产力相对来说较为落后或受限,因此对这些地区生产力的提升更加显著。
2018年频频发生网络安全与数据泄露事件,新加坡SingHealth集团遭到黑客入侵,导致该国150万人资料泄露; Facebook也遭到安全入侵,导致5000多万用户的帐户外泄。
鉴于越来越频发的数据安全泄露状况,各个企业与广大消费者们都应当更加关注数据安全性。对于企业而言,这意味着需要采用严格的网络安全措施并配备适合的工具与基础架构,以协助保护敏感的内部数据及客户数据。
此外,个人数据的应用现在变得非常广泛,全球各地的政府部门不得不认真管理这些数据的使用,以保护其公民安全。欧洲通用数据保护条例(GDPR)正是该领域的典型法规,它在确保对反映个体身份的任何信息均进行数据保护方面树立了一个标准。此类法规十分必要,各企业机构必须审查其数据保护程序,无论数据处于其内部的哪一个位置,均须采取适当措施加以保护。
Gartner发布的研究结果显示,全球公有云服务市场预计将在2019年增长17.3%,市场规模将从2018年的1758亿美元增至2019年的2062亿美元。毫无疑问,云计算将成为企业技术领域的下一个重点,它将通过桌面与软件虚拟化所带来的各种机会而实现新型工作方式。
我们的日本客户——Nihon Business Data Processing Center(NDC)是一家专门处理数据与个人信息的知名公司。NDC曾负责实施一个项目,将纸质流程的护理保险计划转为数字化,因此在将评估表数据存储到服务器上时必须对数据信息安全性进行优化。
NDC采用了运行于Microsoft Azure云基础架构之上的Parallels RAS,从而让工作PC通过虚拟网络浏览器访问互联网,这显著降低了PC感染恶意软件与内部消息泄露的风险。由于客户端上不保存任何互联网访问数据,此举措的另一个重要优势是能够避免对PC数据存储安全的担忧。
最后,当面向数字化未来执行组织转型计划时,企业领导者们应记住除了实施新型工作方式或弥补技能缺口外,培养及鼓励创新的基本文化也至关重要,企业机构内各个级别的员工都需要接受这一理念。
另一方面,如果你所在的企业尚未踏上转型之路,现在即是最佳的行动时机,籍此,你就能为在2019年及未来赢得市场优势做好充足准备。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。