调研结果显示,人才的缺失和新技术之间越来越强的相互依存关系是企业现今所面临的挑战
北京—2019年8月22日—埃维诺,微软生态合作伙伴及数字化创新者,在近期的调研报告中显示,90%的企业高管计划将区块链、量子计算、对话式人工智能、沉浸式体验、物联网、安全和隐私技术整合到他们的运营之中。50%的企业高管预计在三年内实现这一目标。
埃维诺最近对全球1200名企业高管,高级管理层及IT决策者进行调研。受访者认为,新兴技术,例如区块链、绘画式人工智能等,仍然十分重要,同时,与几年前的云计算、社交和移动技术相比,这些新技术更为相互依赖,实施起来更具有挑战性。其中,管理者认为,企业最大的挑战在于缺乏掌握和使用新兴技术的人才。
“几乎所有的企业管理者都意识到采用新兴科技的紧迫性” 艾伦里奇,埃维诺新兴技术部高级总监说。“企业在部署新兴技术时遇到的最大挑战在于,企业无法快速在市场上找到相关的人才来将新兴技术与现有技术快速进行整合。”
其他阻碍新兴技术的因素包括:
这项新兴技术调研项目涵盖了自澳大利亚、加拿大、丹麦、法国、德国、意大利、日本、荷兰、西班牙、瑞典、英国和美国的受访者。
为了达成业务目标,让企业保持竞争优势,企业高管应该着眼考虑实施新兴科技,同时牢记一下几点:
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。