曾几何时,信息化领域充满着各种标杆和范式。企业纷纷在信息化建设规划前,往往要学习他人的做法和经验;科技咨询公司和技术服务厂商也开始广泛地推出自己的成功案例,作为“最佳实践”供行业企业参考。
但任何模式都有它的有效期,最佳实践也不例外,外部世界的变化,让“最佳实践”遭遇双重挑战。
速度的挑战
由于摩尔定律等技术规律的介入,世界产业变革速度也在呈现指数级特征。拿工业革命的进程来说,第一次蒸汽机带来的工业革命发轫于18世纪60年代,一直持续到19世纪中期,才由电气革命所取代,过程持续了百年;这之后,在20世纪70年代左右,人类社会进入由电子信息技术驱动的第三次工业革命,然而这次只过了50年,第四次工业革命的钟声就已经敲响,进程缩短了一半。
在这种情况下,企业的决策反应速度和产品开发速度也需要变得更快,才能跟上消费者步伐。“最佳实践可能依然存在,但是对标的标杆企业或标杆项目自身也要不断优化,才能跟上时代变化。这代表最佳实践的“保质期”正在剧烈缩短,造成的一种极端情况是,还没等你学到,这个“最佳实践”就已经过时了。
个性化的挑战
消费者正在追求个性化,每一个电梯广告都在喊着一句话:“做我自己”,这倒推企业的策略也需要个性化。某大型制造企业CIO这样告诉我:“过去几年里,我们一直在做数字化工厂,并且希望做出一个‘最佳数字化精益制造模型’,推广复制于同类型的企业中。但是,经过几年的实践,我们发现自己在数字化转型过程中的管理方式也在不断变化,其中许多模块都基于场景(个性化的需求点)。因此,很难形成一套所谓的最佳实践。”我们一点都不应该对这种趋势感到奇怪,因为面向第四次工业革命,数字化技术的能力,就是带给企业足够的灵活性和敏捷性,墨守成规,不是新工业革命之道。
数字化的的挑战与方略
在这样的背景下,企业就显然需要有新模式,如果继续模仿,缓慢的响应速度势必被时代所淘汰。”这种情况下,即使依然要进行最佳实践,其方式也会发生转变,将从一本“教科书”变成了多本“参考书”。
至顶网多年一直致力于推动企业级的技术落地,而《数字化转型方略》则是我们最新的一次尝试。我们希望与产业生态合作伙伴共同努力,在 “千企千面”的时代,基于云搭台、数据驱动、AI赋能的路径,与数字化公司和最终用户共同努力,为产业提供新思考,为数字化转型时代提供新方法论。
现成的方案不常有,但给人启迪的方略始终在。
至顶网总经理兼总编辑
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。