作者:VMware首席执行官 Raghu Raghuram

在与教育、银行、医疗等多个行业的首席执行官交流中,我们发现他们普遍提到了两件事:首先,大多数企业领导者都坚定不移地推动企业转型,力争成为创新的数字企业。同时,他们认为在这方面拖延都会导致企业落后于竞争对手。许多企业领导者将这一战略比喻为“进攻”,通过数字化投资加快上云步伐,从而重新定义与客户的交互方式,并实现自身产品的差异化。
与此同时,企业领导者们敏锐地意识到自身所处的宏观经济环境已经发生了巨大的变化。战争、供应链限制、油价冲击、能源短缺、通货膨胀等因素使企业不再能够像以前一样,以极低的成本获得推动增长所需的资金。面对这种不确定性,企业领导者正专注于通过优化支出、降低成本和提高弹性来“做好防守”。
最重要的是,精明的企业领导者已经认识到他们需要做到“攻守兼备”。他们面临的关键问题是:“如何在通过数字创新推动业务增长的同时,通过优化成本提高盈利能力?”
这一问题的答案很大程度上取决于他们有效驾驭多云环境的能力。近七成的全球企业在多个云上运行日常业务1,可见我们已经来到了一个拐点。企业领导者们将提高多云环境管理的成熟度放在首要位置,正是看到了其对企业营收增长和盈利能力的影响。
事实上,许多企业正在努力管控其跨云支出。不久前,我们委托市场调研公司Vanson Bourne对全球近6,000家企业进行了一次调查。结果表明,95%的企业认为多云架构对业务成功至关重要,但其中有76%的企业表示他们需要加强对云成本的控制2。简而言之,多云虽然必不可少,但却成本高昂。
实现途径
VMware专注于通过云智能方案帮助企业做到“攻守兼备”。这么做意味着什么?云智能策略的核心是帮助企业在其依赖的各个云中实现更加一致、安全、经济的运营模式。
在“防守”方面,云智能方案通过提高企业对云支出的可见性和控制力减少成本。企业通过在其选择的公有云中使用VMware基础架构,将其上云成本降低一半。VMware方案还帮助企业通过内置的“零信任”安全模型,加强网络威胁防范,进而提高自身弹性。
在“进攻”方面,云智能方案帮助企业更快交付新的应用,在拓展业务的同时,实现全企业基础架构现代化和自动化。云智能方案的另一个重要作用是帮助分散在各地的员工无障碍、更安全地访问所需要的应用,以保持连接和生产力。
生成式AI赋能的云智能方案
大部分企业领导者十分看好人工智能(AI)的潜力,尤其是支撑ChatGPT等应用的大型生成式语言模型。同时,他们也迅速认识到这些基础模型可以成为企业的新平台。
企业领导者经常会问,如何在充分保护客户信息的前提下,在敏感的企业数据上使用这些生成式AI工具。VMware正在与NVIDIA等行业头部企业携手打造AI赋能的云智能方案,使企业能够在数据中心、多云环境、边缘等任何地点安全经济地构建和运行新一代AI应用。
首席执行官们认为生成式AI给他们带来了“攻守兼备”的机会,他们可以充分发挥AI的力量提升软件开发、客户服务、市场营销等部门的生产力。例如,针对客户的各种咨询,许多企业已经在使用ChatGPT为其提供高度详细且准确的回复。这代表着,相比以前主要用于分析预测,AI在企业中的用途发生了根本性的转变。
一言以蔽之,越来越多的企业认识到云智能方案是实现数字化转型的最有效途径。今后,随着生成式AI的用途日益广泛,云智能方案将逐渐成为企业的默认运营模式。
1-2:Vanson Bourne在2022年10月发布的《多云成熟度指数研究报告》。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。