作者:VMware首席技术官 Kit Colbert
在过去一年,人工智能、元宇宙、区块链等技术备受人们关注。在2023年,又会出现哪些新的技术发展趋势,同时将给企业和行业带来哪些机遇和挑战。让我们一起来看看以下五大IT技术趋势预测。
预测1:2023年IT支出将保持强劲势头
在数字化转型需求的推动下,IT支出将继续保持强劲势头。尽管经济发展预测并不乐观,但我仍然认为企业会继续将数字投资放在首位。企业明白,消费者和客户已经开始要求、并依赖高速网络来传输数据,提高员工生产力,以及越来越多地使用边缘计算。与我的观察一致,Gartner分析师也预测2023年的技术支出将增加5%以上。
预测2:行业将联合发展早期多云架构
行业将联合发展早期多云架构。多年来,VMware都在构建一个强大的多云架构,我认为这种架构最终将在整个行业中占据主导地位,并在2023年成为主流。这个变化将促使我们彻底改变设计平台和应用的方式。云平台团队的重要性越发凸显,其负责开发新技术,以支持跨云服务和多云应用。同时也强调了DevOps和DevSecOps等实践的重要性,其负责创建、管理和保护现代化应用,以及所有相关事务,比如服务网格、事件驱动型应用、API和软件供应链安全等。行业需要整体团结起来,携手改进集成、互操作性、安全、边缘服务等方面的标准。我们已经在行业白皮书和各种活动中看到了此类合作的风向。
预测3:数字化转型将开始重视能源效率
我们将看到企业数字化转型开始高度重视能源效率。正如我在前两个预测中所说,企业对高速多云服务的需求正在不断增长,但电力成本也会随之增长。事实上,全球信息通信技术(ICT)部门的用电量约占全球总用电量的7%。
数据中心人工智能运维(AIOps)最适合用来控制能源成本(以及应对气候变化挑战)。AIOps可以使用机器学习模型将工作负载整合到数量最少的服务器上、自动结束僵尸进程、在需求低迷的时间段关闭服务器等等,从而节约能源和控制成本。虽然AIOps本身并不是什么新技术,但我预测这个应用场景可能会引发新一轮热潮和相关研究。
预测4:今年将是AI发展里程碑式的一年
AI将在技术发展中发挥更重要的作用。ChatGPT成为了大家耳熟能详的网络热词,这是一个使用OpenAI GPT-3深度学习语言模型的机器人程序。任何人都可以在ChatGPT中使用自然语言提问,它可以为几乎任何领域的问题提供详细的答案,甚至能在几秒钟内写出一篇文章。ChatGPT3在发布后五天,用户就突破了一百万大关,这个数字一般需要初创企业花费几个月、甚至几年的时间才能达到。
除了帮学生写作文、生成工作描述和回答古怪问题以外,ChatAI的其他用途也将在未来一年得到更多关注。一些早期用户已经尝试将其作为调试工具,并对结果赞不绝口。ChatAI可能成为实用的低代码和无代码开发工具。这项技术还需要几年才能成熟,不过毫无疑问,我们将在2023年更加清楚地认识到成熟的AI将如何以及在哪些方面对行业造成影响。尽管能够稳定且大规模采用该项技术的系统要到几年后才会出现,但2023年依然是对AI具有里程碑式意义的一年。
预测5:安全将成为焦点
安全问题将成为焦点。随着数字化转型的持续升温,企业对数据固若金汤的安全要求不断提升。在过去一年,我写了很多关于软件供应链安全的文章,预计这将继续成为行业热点。在未来一年,人们也会越来越关注加密问题。从6月28日起,AWS将不再支持TLS 1.0和1. 1版本。即便它继续支持TLS 1.2,这个TLS版本只有在去除弱密码和算法后才能被认为是安全的。所有这些变化(再加上NIST敲定新的量子安全算法)正在使加密敏捷性成为一项至关重要的业务要求。同时,人们对VMware加密敏捷性研究以及诸如Zero Knowledge Proofs等其他新安全方法的关注越来越多。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。