2018年,数字化转型已经从共识转变为落地事实,所有企业都在积极借助新技术、新方案来找到自己的数字化转型之路。在过去的一年中,BMC一直以其开放、可扩展、模块化的解决方案帮助企业规划出合适的IT转型路线图,提升数字化转型速度。基于过去的数字化转型最佳实践,BMC对2019年企业持续数字化转型做出了四个领域的10大预测。
Ops重新回归DevOps:随着消费者不断变化的偏好需求,企业对开发的敏捷性需求越来越高。曾经企业以为Dev文化可以满足一切开发需求,但是在越来越多的开发者论坛中,BMC发现“no-ops”的观念正在减少,也就是说企业试图淡化或者消除传统Ops作用,只有Dev的文化,在实际开发中并不能满足敏捷性的需求。在新一年的企业开发中,Ops将重申其在DevOps文化中的作用,将重点放在关键价值上,例如企业治理、生产编排、稳定性与扩展性。当然,Dev团队也非常欢迎Ops的归来。
代码自动化成为常态:DevOps在企业中的实施速度将进一步加快。我们看到,数字化转型企业部署DevOps交付应用的成功案例越来越多。这打破了以往企业所认为的失败案例居多的错误想法。其中的一个关键就是将DevOps真正投入到生产中。为什么要这么做?因为目前的生产环节还不够自动化。2019年,将工作即代码添加到SDLC(软件开发生命周期)前端的实践,将成为DevOps的主流。采用这种简单、强大的方法,用业务逻辑和基础设施作为代码对自动化仪表进行编码,然后将其全部运行在CI/CD工具链中,将有效地帮助人工DevOps团队快速进入到生产阶段,为企业持续快速地发展做好准备。
DevOps提供商将进一步细分化:在企业级市场中,越来越多的成功者开始整合在一起。但是,在CI/CD自动化工具的选择中,却呈现相反的现象:将进一步具象化。因为,CI/CD工具的选择包含许多有趣的方面,为不同的人所喜欢。因此,新的一年中,我们将看到在SDLC的各个阶段中,都会有不同的领导者脱颖而出,最终成为这一领域的成功者。原因其实很简单,因为DevOps团队喜欢多种多样的选择,而且随着他们的成熟,选择也会愈加明确。
大型机运维,千禧一代成主力:2019年企业将对大型机和人才,进行彻彻底底的现代化,以满足当下数据驱动时代的需求。这意味着,企业将会把应用现代化放在第一优先级,并且拥抱AIOps(智能运维)和机器学习(ML)来强化他们不断变化的人才需求。机器学习、数据分析和智能自动化,将为企业构建自我管理的大型机环境铺平道路,这将帮助企业预测和解决一些问题,而且无需人工干预。最终,大型机的现代化也将表现为企业人才的变化。毕竟,当一代又一代的大型机专家进入到退休年龄时,越来越多的千禧一代人才将被聘用,运行复杂的大型机技术,同时他们也要学习成功运行大型机所需的专业知识和自动化技术。
大型机遇上DevOps,两者相互成就:许多关于DevOps的话题都集中在基于云的应用上,但事实却比这更甚。今天的现代化常常构建在多层应用架构 上,范围涉及从移动到云、到中间件,再到后端交易和数据服务器。在这些环境中,大型机必须要是最强大、最安全、最可靠的后端处理器,它必须能够确保应用团队工作在一个多层的开发流程中。这要求工具要具备影响分析、代码审查、代码管理的功能,同时能根据底层数据库而快速、安全地改变。2019年,企业将会集中精力于DevOps所带来的敏捷性和速度上,并寻找正确的方法,而大型机将会成为DevOps流程最重要的一部分。
C层管理者大力拥抱大型机:当企业管理更大量、更多样化、更快速的事务和数据时,数字化和移动化策略又给IT和大型机施加了无法想象的压力。值得庆幸的是,因为不断的自我改造能力,大型机拥有较长的使用寿命,能够促进现代业务的动态变化,保持近乎恒定的可用性,并且高效地处理数十亿个关键事务,这证明了它是当今可靠的长期运行平台。大型机不断地被看作是数字环境的支柱,因此精明的ITOM高管们,将在2019年真正接受大型机,并承认它将为其业务带来更大价值。
AI驱动流程自动化将为企业所青睐:人工智能驱动的流程自动化,正被用于简化和替换基于现有B2B和B2C应用程序的人工任务。IDC报告预预测,到2024年,当下1/3的基于屏幕的应用程序,将会被AI用户界面和流程自动化取代,从而最大限度提高员工的工作效率。随着部署多云环境企业数量的不断上升,BMC也看到企业IT部门借助AI力量支持多云管理,已经势在必行。为此,BMC推出了以AI驱动运维管理和分析的TrueSight AIOps智能运维框架。这类智能运维框架,在2019年将更为企业所青睐。
AI驱动DevOps实践在企业的应用范围扩大:2019年,企业对AI驱动的应用程序需求将越来越多,这将促进企业在其工作流中应用更多的DevOps实践。而且,随着数据科学和应用开发团队的紧密合作,提高AI&ML驱动的应用程序开发、部署和维护的效率,满足整个企业的需求时,这一趋势的发展将更加快速。
员工为企业第一要素:今天,现代化的工作场所一直在变化,以便跟上不断变化的业务需求和员工需求。为了让企业在数字化生态中具备竞争力、保有强大的企业文化和顶尖人才,企业架构的重构,不仅要以员工为驱动力,还要将员工摆在第一位置。2019年,我们将会看到更多的企业创建新的员工体验架构,这一架构范围将扩展到人力资源,并融入所有直接影响员工的因素,包括IT、不动产、设施等等。新的架构将会减少团队之间的冲突,将孤立的团队紧密联系,让企业处于更有利的地位,进而交付更好的以员工体验为中心的工作场所策略。
数字化灵活性为第一优先级:2019年企业将优先考虑数字化的灵活性。企业若想数字化转型取得成功,不仅要具有现成的、合适的技术,还要确保员工精通数字化技术。企业通过建立以人为中心的数字化体验,以及部署提升数字化灵活性的程序,让所有员工可以在全球的任何地方使用任何应用、系统和工具。这样,企业不仅可以获得竞争优势、拓宽吸引人才的地域,摆脱地理位置的限制,还可以打造一支更加高效的移动团队。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。