思杰最新研究表明:全球各地企业的员工都在逐渐适应远程办公模式,新办公模式或将长期存在
美国,2020年4月——随着新冠肺炎疫情的持续蔓延,在许多国家,远程办公已不再是一种尝试,而是成为了一种不得不采取的工作模式。虽然,许多企业因此需要做出重大改变,但近期一项OnePoll代表思杰(Citrix)完成的调研发现:全球各地的大多数企业员工都在逐渐适应居家办公的工作模式,并且认为这将成为未来工作的新常态。
思杰首席人力官Donna Kimmel表示:“远程办公跟以往的工作方式有所不同,它代表着全新的思维方式和运营方式。对于员工和企业来说,可能需要经历一个艰难的调整和适应的过程。但是,即便在危机时期,也必须保持业务的连续性。正如OnePoll调研结果表明的那样,为员工提供合适的技术工具可以帮助他们实现平稳过渡,保持最佳的工作状态,只有这样企业才能在局势好转时迅速恢复,变得更加强大。”
正如Kimmel所指出的那样,远程办公对大多数员工还只是一个全新的概念。在六个国家的一万多名受访的上班族中,只有不到半数的人表示,在疫情爆发前,他们每周有至少一天的居家办公时间,具体数据如下:
美国 法国 澳大利亚 德国 意大利 英国
33% 26% 34.4% 42.6% 22.1% 45%
新的工作模式为日常工作带来了巨大的变化,对此,各国受访者列举了远程工作的几大挑战:
即便是在办公室办公,也会有影响工作效率的干扰因素。但是大多数员工认为,在家办公时,只要拥有合适的工具,他们就能保持专注,能够像在办公室里那样工作,甚至效率会更高。在各个国家均有超过半数的受访者表示自己在家办公的时间与在办公室办公的时间相当或更长:
美国 法国 澳大利亚 德国 意大利 英国
77% 60.9% 80.8% 76.2% 70.8% 68.2%
并且,每个受访国家都有超过半数的受访者认为他们居家办公的工作效率与在办公室相当或更高:
美国 法国 澳大利亚 德国 意大利 英国
69% 62.9% 69.6% 74.2% 78.9% 62.7%
谈及适合的工具与技术支持,Kimmel表示:“企业可能拥有世界上最先进的技术。但是,如果企业不为员工提供能够帮助他们适应新模式的相应资源与支持,他们就难以继续专注、高效地开展工作。这些帮助包含但不限于指导员工在家营造合适的办公环境、满足员工家庭需求的弹性工作制、使用视频会议或即时通讯工具保障良好沟通等等。此外,企业还可以尝试设置虚拟面谈时间,让员工像在办公室一样在时段内与上司交流或提问。”
OnePoll的研究结果恰好印证了这一观点,受访员工纷纷表示,在适应新的办公模式时,以下几个方面尤为重要:
从本质上说,新冠肺炎疫情迫使各大企业开始大规模尝试全新的办公模式。那些过去可能不考虑远程办公的企业,现在都不得不采取远程办公的模式。OnePoll在研究过程中发现,即使并非出于自愿,绝大多数受访者认为远程办公将是未来的工作模式。当被问及危机过后,居家办公模式是否会变得更为普遍时,受访的各国员工之中约三分之二的人给出了肯定的回答。
Kimmel表示:“世界确实在改变,远程办公可能会成为一种新常态。那些乐于接受变革,针对变革构建企业文化,为员工提供适应变革所需的工具、信心和信任感的企业,定能挺过这样的艰难时期,也能为回归正常之后的发展做好准备。”
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。