思杰Citrix大中华区总经理于放
思杰Citrix最近的一项研究发现,在短短几个月内,新冠疫情的爆发以及居家工作的要求,极大地改变了人们对城市生活的看法。随着很多工作角色的虚拟化,工作地点对职业成功和机遇不像以前那么重要了,而且这种趋势可能是永久性的。
我们最近就这一问题对2000名知识型员工进行了调查,以了解他们对大城市的看法在新冠疫情大爆发后发生了怎样的变化。值得注意的是,由于这场疫情造成长期的远程工作,四分之一的受访者已经搬迁(一些人离开大城市)或者计划搬迁。其中,44%的受访者表示这将是永久性的,49%的受访者预计这只是暂时的。而最常见的搬迁原因是他们的工作角色现在完全是远程的,而且是永久的(37%的受访者这么说),25%的受访者说他们现在只需要每周去一次办公室。此外,22%的受访者表示,疫情已经证明他们可以在任何地方开展工作——他们的用人单位也支持这一观点。
大城市不再被视为职业生涯的关键因素
从历史上看,大城市和城市生活一直被视为有利于职业发展;而很多办公室目前都关闭了,其未来也不确定,因此可以理解这种看法出现了变化。我们的调查发现,69%的美国知识型员工认为大城市生活不再有利于职业发展。只有21%的受访者认为城市对他们的工作前景仍然很重要,而在疫情之前,有46%的受访者认为,生活在大城市对他们的职业生涯有积极的影响。有趣的是,在新冠疫情爆发前的2019年,当被问及同样的问题时,超过一半的受访者(54%)认为大城市生活有利于职业发展。
在这种不断变化的工作环境中,人们接触到了更灵活的新工作方式,使他们有机会重新融入家庭生活,并反思什么才是真正重要的。这种情况不仅是变革的催化剂,将员工体验放在首位和中心位置,而且证明了在任何地方都能开展工作,保证工作效率,而且通常能让生活工作两不误。在这种情况下,有28%的知识型员工认为生活在城市不利于一个人的职业发展就不足为奇了。当我们在2019年提出这个问题时,只有8%的受访者认同这一观点。
永久性远程工作是未来趋势吗?
近一半的受访者(49%)表示,他们没必要再呆在城市里了,因为他们的工作现在已经变成远程了(28%),他们的公司减少甚至关闭了办公室(21%)。未来,将有可能出现一种使用智能技术的混合工作模式,即,工作分散在家庭和办公室之间,这样就不必住在大城市附近。事实上,近三分之一的受访者(31%)认为,很多员工会离开城市,因为他们不用去办公室工作。此外,57%的知识型员工表示,如果不需要上下班就能继续正常工作,他们会考虑从城市搬到郊区,47%的受访者表示会考虑搬到农村地区。
为能够在具有不确定性和颠覆性的未来中茁壮成长,企业必须培养一支能适应不断变化环境的员工队伍。虽然“办公室消失”可能还没有到来,但这场疫情已促使很多美国知识型员工更愿意接受远程工作方式。我们的调查发现,目前,88%的受访者可以或者正在远程工作,只有11%的受访者不会选择远程工作,但如果他们愿意的话,也可以远程工作。2019年,当我们问到同样的问题时,只有33%的受访者是在远程工作,62%的受访者承认他们可以远程工作,但选择不这样做。今年是居家工作的一次极端实验,我们看到了很多值得借鉴的结果。事实上,44%的受访者认为,由于疫情,企业将缩减在城市的办公空间,16%的受访者认为企业将彻底关闭城市的办公场所。
过去几个月激起了人们对更灵活未来的渴望,在这样的未来里,员工们觉得在办公室工作或者住在城市的压力不那么大了。感受到新冠疫情的长期影响,人口密集的城市地区可能永远不那么吸引人们去居住了——尽管值得注意的是,29%的受访者认为2020年可能是城市生活重启之年,有助于降低居住和办公空间的成本。
我们还需要一段时间才能看到疫情对城市真正、长期的影响,但我们的研究明确表明,很多知识型员工不愿意再回到原来的工作状态。事实上,32%的知识型员工愿意接受减薪,以换取100%的远程职位,可以在任何地方工作。无论结果如何,城市的未来仍悬而未决,新冠疫情“点亮”的其他工作方式最终将使得城市生活的优势越来越“暗淡”。
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。