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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。