从《数字化转型指数报告2023》看企业数字化转型新阶段
7 月 7 日,全球数字经济大会闭幕式在北京举行,腾讯研究院联合腾讯企鹅有调、清华大学二十国集团创业研究中心发布了《数字化转型指数报告2023》。《报告》由腾讯研究院联合腾讯企鹅有调与清华大学二十国集团创业研究中心发布,京东消费及产业发展研究院、猫眼研究院等参与支持。这是腾讯研究院连续第九年发布全国数字化指数报告,在历年关注全国数字化转型进程的基础上,今年的报告首次增加了对未来产业指数和公众数字化认知的分析。
腾讯研究院副院长刘琼在发布报告时介绍:“我们发现,过去一年我国数字化转型整体保持增长,增速呈现'前高后低'的变化趋势,特别是制造业等行业的数字化规模明显提升,数实融合的带动作用更加凸显”。清华大学经济管理学院教授、二十国集团创业研究中心主任高建教授表示:“城市未来产业发展指数与数字化转型指数显著相关,数字化转型进展快的城市其未来产业发展也更具优势。”
《报告》总结出数字平台对数字化转型支持最稳定,行业数字化“两升两降”值得关注、数字化驱动未来产业发展,创业环境关乎未来产业生命力、数字化工具广泛融入工作生活,职业技能提升诉求凸显等数条数字化转型最新趋势。针对这些现实情况,《报告》提出了诸如鼓励平台企业发挥其在数字化转型中的“稳定器”作用、保持和提升金融、通信、制造等数字化领先行业的积极性、扩展和加大生活服务、零售等消费行业领域的政策支持力度等对症的建议。
2023年,我国企业数字化转型加速推进,而了解数字化转型核心的优质服务商则在其中扮演着越来越重要的角色,Testin云测就是其中之一。
自带AI人工智能基因的Testin云测,在快速发展的十余年时间,深入参与到我国企业的数字化转型进程中去,在软件测试及人工智能数据服务等领域积累了丰富的经验。在软件测试领域,Testin云测合作伙伴遍及医疗、电商、游戏、教育、旅游、能源等数十个行业。面对频繁更新的软件,Testin云测直面挑战,充分利用AI技术优势 ,凭借着专业、高效、稳定、安全的测试服务能力以及成熟、领先的自动化测试框架,在测试领域处于领先地位。

泛金融行业一直是Testin云测近年来发展的重点,其和国内过半的券商、百余家知名的商业银行、十数家大中型保险公司保持着长期稳定的亲密协作关系。聚焦券商行业,Testin云测试对券商的运营逻辑与业务场景有着深刻的理解,为券商的系统和软件应用提供了多种解决方案。在业务上,其测试工作涉足券商的股票、基金、债券及金融衍生品等所有业务类别,涵盖了券商软件系统的前端到后端,适用于券商的多种测试场景。在服务上,充足的有券商行业背景的测试专家、详尽的软件测试报告及7*24小时的响应,最大可能满足券商的需求。
在人工智能数据领域,Testin云测通过数据采集、数据清洗、数据标注等方式为企业业务引入AI数据治理,以标准API接口支持数据导入和导出,支持已有算法预标注功能,可以提供多项数据产品应用和数据服务,助力多个行业实现智能化转型和业务流程高效处理。其中,自动驾驶、智慧城市、智能家居、智慧金融、零售货检等领域已经具备成熟化的应用实践。据悉云测数据标注平台在人工智能数据服务领域的实践”案例基于丰富的数据处理经验,通过工程化的赋能可以广泛地覆盖人工智能不同场景下的数据需求。Testin云测正在与各行各业进行业务流程对接,助力实现更多行业的人工智能产业化落地,为各行业数智化转型筑牢地基。
当前,人工智能成为最受重视的前沿技术,36.8%的受访者认为有重要影响,ICT行业和金融业关注人工智能的人最多达47%,此外农业、能源、制造和地产等偏数实生产的行业关注比例也较高。可以说,数字化、信息化不但融入企业,也在真正融入我们的生活。Testin云测愿与我国众多企业携手共进,为助力数字化转型奉献自己的绵薄之力。
好文章,需要你的鼓励
最新调查显示,近半数CIO将AI采用和自动化提升列为未来五年的首要任务。超过三分之一的受访者将加强业务连续性和灾难恢复作为重点,同等比例的企业将人才技能发展列为优先事项。尽管AI投资成为焦点,但投资回报率仍不明朗,近三分之二的商业领袖估计AI投资回报率仅为50%或更低。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
红帽公司宣布收购伦敦AI公司Chatterbox Labs,该公司专注于模型测试和生成式AI护栏技术。此次收购将为红帽AI产品组合增加自动化AI风险评估、安全测试和治理功能。Chatterbox Labs的AI风险指标帮助企业验证数据和模型是否符合国际法规,提供模型无关的稳健性、公平性和可解释性测试。收购将增强红帽的AI安全能力,包括生成式AI护栏、模型透明度和预测性AI验证等功能。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。