随着中国企业在海外市场的竞争加剧,数字化转型成为企业出海的必然趋势。企业需要建立稳定、灵活的IT系统,以支持其全球化业务发展。特别是海外市场对数据安全和合规性要求更高,企业需要确保其IT系统和AI应用符合当地的法律法规,并具备抵御安全威胁的能力。
此外,海外市场的人才和文化差异给企业出海带来挑战,企业需要建立有效的沟通和协作机制,以克服这些差异带来的障碍。
IBM大中华区云计算平台事业部总经理阮野指出,当前中国企业的出海已从20年前的简单组合模式转变为带着高科技与综合能力拓展海外。面对复杂多变的海外市场,IBM凭借其全球资源、实施经验和技术创新,为企业提供端到端解决方案,解决出海过程中遇到的IT系统建设、供应链管理、合规性检查等问题。
汽车行业:从本土到全球,数字化进阶之旅
汽车及新能源汽车企业正积极拓展海外市场,这一现象反映了中国企业的科技实力和管理水平的全球认可。
IBM中国科技事业部汽车行业总经理许伟杰表示,在行业竞争加剧的背景下,车企出海需要更加稳定、灵活的IT系统的支撑,以支持其全球化的生产、供应链和销售业务。同时,车企还需要应对海外市场的合规性和安全性挑战,并实施有效的本地化运营。
从信息化到数字化,再到智能化,汽车行业的数字化进阶之旅并不平坦,比如如何以统一的数字化方案管控出海业务,构建敏捷的全球化协作。
IBM可以帮助车企构建基于开放式混合云平台的IT架构,提供watsonx数据和AI平台来构建和扩展可信的AI工具和相关咨询服务,以支持其全球化的业务运营。同时,IBM还可以提供全球合规性和安全性咨询服务,还能以业务流程外包(BPO)服务等灵活方式帮助企业实施有效的本地化运营。
例如,华东某车企在IBM咨询和科技团队的助力下,不仅在美国达拉斯顺利建厂,还基于红帽OpenShift实现了混合云架构,充分利用本地系统和IBM公有云平台的优势,有效整合企业核心应用与外延应用,简化并加速了业务的全球化布局。
对于出海的零部件企业而言,无论是跟随整车厂出海,还是应对供应链风险,提升至数字化水平成为必选项。许伟杰以链条行业龙头环球科技为例,展示了数字化如何促进其全球化管理,实现多地工厂的高效协同。
如何利用科技赋能企业出海?IBM认为,通过安全的混合多云的架构,建设开放的互联互通的企业生态,借助标准化的智能流程和用户体验实现业务敏捷,借助AI来促进创新与突破。
结合混合云与AI,IBM为企业出海提供更加强劲的支持
混合云和AI是IBM的战略,IBM将两者的能力结合起来,给客户一个从顶层设计到数据治理到底层架构的全栈能力。
IBM基于红帽OpenShift的混合云平台,可以帮助企业构建开放、敏捷的IT环境,实现不同系统和应用的连接和整合。
IBM的watsonx平台提供从数据、AI到治理的丰富的AI工具和服务,可以帮助企业利用AI技术实现业务创新和效率提升。
在IBM THINK 2024大会上,IBM宣布了一系列的创新来推动企业级AI的规模化应用,包括开源一系列Granite模型,与红帽联手推出业界首创的开源方法InstructLab,以及多款新的watsonx assistant产品等。
IBM中国系统实验室CTO孟繁晶表示,目前企业在落地人工智能方面并不仅仅是AI选型的问题,更重要的是数据问题,比如企业内部数据的质量,数据有没有打通和关联,那些有合规要求的数据是否受到保护。
此外,IBM拥有遍布全球的合作伙伴生态,可以帮助中国企业快速拓展海外市场,并提供本地化的服务和支持。
网宿科技作为国内领先的CDN及边缘云安全厂商,此次加入IBM公有云市场,不仅可以通过IBM公有云触及海外更加广阔的企业级客户群体,还希望与IBM携手,帮助中国企业获得更全面的出海服务和支持。
网宿科技售前及解决方案部高级总监袁勇强表示,网宿未来与IBM合作涉及三个方面:一是提升网宿科技海外客户覆盖的广度和深度;二是利用IBM在合规性以及高度受监管行业的丰富经验与技术,帮助网宿科技及其客户增强海外的合规能力;第三个是利用IBM在企业级生成式AI方面的技术与咨询能力,加速和扩展AI,提升竞争力。
IBM的车库创新方法论可以帮助企业快速验证和落地新的业务想法,降低试错成本,加速数字化转型进程。
面对挑战,携手前行
企业出海面临地缘政治、信任危机等各项挑战,IBM成为企业的坚实后盾,利用其咨询与科技实力,为企业出海之路扫除障碍。
正如IBM大中华区云计算平台事业部产品及生态总监崔海涛所述,全球化是不可逆的趋势,IBM凭借其技术、咨询和持续创新能力,以及自身全球化发展的经验,有能力帮助企业适应并克服暂时性阻力,把握全球化发展机遇。
展望未来,数字化转型仍将是中国经济发展的重要驱动力,面对新一轮企业出海浪潮,IBM将继续发挥混合云与AI的技术与咨询服务优势,与合作伙伴携手,共同为客户提供出海解决方案,帮助客户加速实现AI赋能的全球化发展目标。
综上所述,IBM混合云与AI不仅为出海企业提供了技术支撑,更构建了一个强大的生态系统,助力中国企业在全球市场中稳健前行,展现了IBM作为技术伙伴与数字化转型伙伴的深厚实力与远见卓识。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。