在不断变化的行业和经济挑战的背景下,IT 在实现持续的业务成功方面发挥着关键作用。当今的 IT 系统不仅支撑着业务运营,而且支持实现公司业务战略各个方面的项目和计划。
在过去五年中,IT 团队需要管理的业务系统和 IT 环境发生了重大转变。COVID 19 大流行在这种转变中发挥了重要作用,企业必须迅速整合新功能以促进远程工作和维持日常运营。随着时间的流逝,这些“临时解决方案”以及此后实施的其他解决方案已经嵌入到许多组织中。
运营环境也发生了变化。竞争加剧和全球化、持续的政治和供应链不稳定,以及消费者对无缝、个性化数字体验的期望不断提高,都在影响业务运营。这些转变对 IT 团队提出了新的期望,要求他们提高业务灵活性,同时提高运营效率并支持可持续发展议程。
在这种背景下,根据 Daisy 的研究,90% 的 IT 决策者 (ITDM) 表示构建、管理和维护他们的 IT 环境变得更加复杂也就不足为奇了。这种复杂性使得 IT 领导者难以获得一致安全性和可靠性所需的端到端可见性。这种缺乏可见性意味着 ITDM 没有必要的洞察力来动态调整其基础架构以满足不断变化的工作负载需求。可以理解的是,89% 的 ITDM 表示简化 IT 基础架构管理已成为当务之急。
如今,大多数组织都在以某种方式或形式使用云,而大流行进一步推动了云服务采用的加速。ITDM 估计,他们目前有 38% 的 IT 资产在云中,三年后,他们估计这一比例将超过一半。
云服务为组织提供了前所未有的灵活性和可扩展性,同时提高了处理速度,并加强了对新技术用例(包括人工智能 (AI) 和机器学习 (ML))的支持。然而,挑战依然存在:组织利用云的力量的能力很大程度上取决于其现有的 IT 环境。如果环境过于复杂,并且像许多情况一样,仍然存在大量的技术债务,那么迁移到云可能是一项非常艰巨的工作。事实上,一半 (50%) 的 IT 领导者声称,在进行云迁移时,现有 IT 基础设施的复杂性构成了最大的挑战,此外还有数据安全问题 (46%) 和根本无法迁移的应用程序 (40%)。
近三分之二 (62%) 的 ITDM 表示,在寻求将更多 IT 资产迁移到云时,他们最终获得了混合云环境,而不是设计,应用程序和服务在各种公共云、私有云和本地平台上运行。虽然这是当时所经历的外部压力和内部限制的自然结果,但显然需要转向采用“有意识的混合”方法。
受传统基础架构和应用程序限制的组织现在可以选择使用现代混合云管理平台并尽可能采用云原生服务,从而在整个 IT 环境中创建类似云的体验。这些平台和服务可以通过单一的管理和可观测性层弥合现场基础设施和云之间的差距,从而以最高效、最具成本效益的方式为应用和数据带来云体验。这有助于他们更好地管理混合云资产中的性能、成本、安全性和合规性。
为了实现业务目标并实现持续的长期成功,组织需要优化其工具的使用,并与专家合作伙伴合作,以简化、简化和标准化其云体验各个方面的 IT 运营。
Andrew Bevan 是 Daisy 的云和数字化转型主管。
好文章,需要你的鼓励
The Access Group是英国最大的软件公司,估值近100亿英镑。该公司APAC区域技术总监Rolf Krolke分享了公司在频繁并购活动中如何整合各异IT系统的经验。由于自2017年来年均约10次收购,公司面临存储基础设施分散、维护困难等挑战。目前正推进存储现代化项目,将传统存储设备替换为Pure Storage全闪存阵列,并计划在全球10个数据中心部署数十PB容量,以支持新的Access Evo平台和AI应用。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。