新聞資訊
News and information
-
24
09/30
解析中國軟件產業變遷：CRDE 智橙云 PLM 突破傳統 PLM 困境
近期，關于中國軟件產業的質疑聲不斷。然而，產業的發展是一個復雜的過程，受多種因素影響。本文將探討國產PLM廠商在市場中的表現，并分析其面臨的挑戰。中國軟件產業的發展歷程自1995年中國互聯網商用化以來，中國軟件產業經歷了快速發展。民營經濟的崛起，帶動了對軟件的巨大需求。然而，盜版問題和國際巨頭的進入，給中國軟件產業帶來了挑戰。2005年，中國軟件產業迎來第二次繁榮。以在線辦公為特征的辦公類軟件成為熱點。用友、金蝶等國內廠商在管理軟件領域取得了顯著成效。然而，2008年全球金融危機，以及國內外技術差距，使得中國軟件產業再次面臨困境。2015年，新的《國家安全法》發布，國產軟件迎來發展良機。大數據、云計算等技術的應用，為軟件廠商帶來了新的機遇。傳統PLM廠商面臨的挑戰在這一發展過程中，傳統PLM廠商面臨了多方面的挑戰：技術更新緩慢：難以跟上云計算、大數據、人工智能等最新技術趨勢。系統整合困難：存在信息孤島問題，影響數據流通和共享。用戶體驗不佳：用戶界面復雜，學習曲線陡峭。成本高昂：需要大量資金投入于軟件購買、硬件配置和維護。靈活性不足：難以滿足企業或項目的個性化需求。創新能力有限：長期依賴成熟產品，缺乏創新動力。市場適應性差：難以快速調整產品和服務以適應市場需求變化。數據安全和隱私問題：在數據保護方面存在安全隱患。服務和支持不足：客戶服務和技術支持可能不足。總結下來，首先是嚴重的“內卷化”競爭。中國軟件市場同類產品眾多，同質化競爭嚴重，導致價格戰頻發，利潤空間被壓縮。其次，企業數字化轉型需求個性化，使得軟件廠商長期處于外包商模式，缺乏核心技術和產品創新。再次，項目驅動下的產品無法輸出行業智慧。廠商通過服務客戶積累的是客戶案例，而非真正的產品。這導致產品設計和開發上的迷茫。此外，依賴SLG模式實現收入增長，導致銷售驅動而非產品價值驅動。政府工程“掃地僧”現象，使得軟件公司成為政府項目的執行者，而非創新者。最后，國內外技術代差加大，使得傳統PLM廠商在技術創新和應用上嚴重滯后。CRDE智橙云PLM的崛起相較于傳統PLM廠商，新一代云PLM正在成為新寵兒，而CRDE智橙云PLM的崛起，不僅是對傳統PLM模式的一次顛覆，更是對國產軟件自主創新能力的一次證明。它通過以下幾個方面實現了技術與服務的雙重突破：技術創新：CRDE智橙云PLM利用云計算、大數據等前沿技術，提供了一個高度集成的研發環境，實現了設計、仿真、制造和管理的無縫對接。功能全面：它整合了云上研發、數據管理、項目管理、溝通協同和知識復用等多個功能模塊，為企業提供了全面的"ALLINONE"研發解決方案。用戶體驗：CRDE智橙云PLM以其直觀的用戶界面和簡化的操作流程，大幅降低了用戶的學習成本，提高了研發效率。成本效益：通過SaaS模式，企業無需投入大量資金于硬件和軟件的購買與維護，即可享受到高質量的PLM服務。數據安全：CRDE智橙建立了多層防御體系，確保了用戶數據的安全性和完整性。站在新周期，CRDE智橙云PLM,它將繼續堅持創新驅動，不斷優化產品功能，提升服務質量。我們有理由相信，CRDE智橙將引領國產軟件走向更廣闊的舞臺，為中國軟件產業的崛起貢獻力量。本文來源：Ｒ艾瑞網文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
09/30
軟件正在我們眼前悄然被侵蝕
在數字化時代，軟件的穩定性與安全性構筑企業值得信賴的護城河。作為全球領先的軟件開發工具提供商，QtGroup正致力于通過其創新的AxivionSuite工具，助力企業在醫療器械、汽車等受高度監管領域精準識別或避免軟件侵蝕，確保軟件項目的長期可維護性和可擴展性。上海2024年9月3日/美通社/--就像巖石和山脈會受到自然侵蝕，今天的全球軟件也在遭受侵蝕。每天，開發者們都發現自己軟件的混亂程度越來越高，而這些軟件的架構卻鮮少有人清楚理解。隨著AI產業發展駛入“快車道”，我們幾乎沒有時間去理清這些混亂。近幾年，軟件頻繁出現問題。僅2023年，國內網購、網約車、社交應用等平臺或應用多次發生崩潰，引發媒體報道，甚至登上不同平臺的熱搜榜。在全球范圍，Crowdstrike軟件更新導致的"微軟藍屏"事件可能是今年最引人注目的一個。然而，開發者們卻在維持這個搖搖欲墜的紙牌屋上投入了大量時間。基于2，000多位美國、英國、法國、德國和新加坡開發者和行政高管的調研報告《開發者系數（TheDeveloperCoefficient）》指出，開發者每周平均工作41.1小時，其中三分之一的時間用于解決技術債務；超過40%的時間用于維護。這實際上反映出大量時間被用于非創新性工作。QtGroup的QA業務總監JuanRodriguez對此深感擔憂："我們目睹著軟件架構的逐漸衰敗，因為科技行業要求開發者不斷向前推進，譬如鋪設新的鐵軌，然而他們身后的鐵軌卻在逐漸崩潰。"什么是軟件侵蝕我們大多數人并沒有注意到軟件侵蝕。這是軟件內部結構的一種無形降級。它使得軟件的可讀性、可維護性、可擴展性和可復用性變得困難，甚至可能威脅到系統的功能安全。軟件開發是一個不斷累積的過程。新的依賴關系總是被引入到軟件的各個部分中。但有時候，新的代碼并非必要，反而使得代碼庫越來越臃腫，越來越難以理解、修改和維護。我們之所以稱之為DependencyHell（地獄依賴）并非沒有原因。在實施功能或修復錯誤時，弄清楚哪些更改是必要的需要極大耐心和技巧。軟件侵蝕的雪球效應添加功能和快捷方式會逐步增加軟件復雜性，每次迭代都在無形中侵蝕著軟件架構的完整性。開發者在工作流中添加了快捷方式，導致代碼庫日益臃腫。想要一個新的功能？有可能會因此破壞一些東西。如果重新設計產品的某個方面，可能會引發一系列破壞性反應，影響到其他原本相互獨立的團隊。每次改動都可能帶來意想不到的連鎖反應。開發者可能會因為額外的維護工作而感到沮喪，進而再次添加一個快捷方式。如此反復，直到代碼庫變得像極其不穩定的真人版疊疊樂游戲。每個人都害怕成為那個讓整個結構崩塌的人。這就是開發者在面對日益復雜的代碼庫時所面臨的挑戰。關注軟件侵蝕是為了長期保障您的軟件投資"這就是軟件侵蝕的本質，"QtGroup的JuanRodriguez總結道，"無處不在的復雜性使得即使是發布最簡單的新功能也變得痛苦無比。從長期來看，這種情況會對效率和可擴展性造成嚴重損害。"我們是否忘了測試左移？許多公司取了一種令人失望的"補救"措施。他們增加修復錯誤的時間，或者雇傭更多的QA工程師來減輕開發者負擔。然而，這些都只是在玩"打地鼠"游戲，新錯誤在被修復前并不存在，就像是用昂貴的創可貼來處理嚴重的傷口。更明智的做法應該是重新架構代碼庫。對于只有兩年代碼歷史的公司來說，這可能相對容易，但對于那些擁有二十年遺留代碼的公司呢？即便他們完成了這項艱巨的任務，如果第一次沒有真正吸取教訓，軟件侵蝕的循環就會再次開始。從開發者在維護上投入的時間來看，這些教訓似乎還沒有被充分吸取。軟件侵蝕的問題依然存在，我們甚至可以預見，AI代碼助手也面臨同樣的問題。除非每個行業都能自覺地從一開始就將QA緊密地融入到開發過程中。JuanRodriguez建議："從設計階段就開始考慮這些問題，而不是等到所有的代碼都寫完之后再開始。"在編寫新代碼的時候，就要運行靜態代碼分析和功能測試。即便已經做了所有這些事情，但效果并不理想。如果是這樣的話，那就回到起點，從宏觀層面去審視軟件架構，而不是只關注細節層次。架構是否達到預期？在產品中定義的第一個組件是什么？組件之間如何通信？當您運行靜態代碼分析并理解在哪里復制了代碼；當您運行架構并理解依賴關系在哪里；當您運行功能測試并獲得結果，您就開始理解了問題的所在。這并不是選擇其中一個或另一個的問題。所有的軟件產品最終都應該能夠從多種來源獲取洞察。只有這樣，才能回到起點，重新架構，以避免重蹈覆轍。"遺憾的是，似乎很少有人真正知道自己實施的架構是什么樣，"JuanRodriguez認為，"如果我們理解自己的軟件架構，那么新增任何功能，都可以根據自己對架構的理解來構建軟件。那時，就不再需要走捷徑了。"AxivionSuite:解決軟件侵蝕的利器AxivionSuite是QtGroup專為解決軟件侵蝕問題而設計的工具，通過靜態代碼分析、架構驗證和依賴關系管理，有效應對軟件架構侵蝕。它能自動檢測代碼中的潛在問題，確保代碼符合預期設計，避免架構偏離。通過對軟件架構的全面分析，AxivionSuite幫助開發者理解和修復架構中的違規行為，防止復雜性和依賴關系的增加。此外，AxivionSuite還提供實時反饋，幫助開發者在早期階段發現并修復錯誤，從而提高軟件的可維護性和可靠性，特別適用于醫療和汽車等對軟件質量要求高的行業。理解并解決軟件侵蝕問題，是每一個重視軟件質量的企業都應該關注的課題。AxivionSuite提供了強大工具，幫助企業從根本上解決這一問題。讓我們一起，構建更加穩定和高效的軟件系統。本文來源：36氪文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
09/14
垂直軟件，才是AI的終極未來
解鎖垂直AI落地的兩種路徑軟件，被看作是AI落地最重要的場景之一。紅杉資本曾提到，AI有可能用軟件取代服務，催生數十萬億美元的市場機會。盡管機會巨大，但對于AI軟件如何實現真正的落地，仍然沒有一個清晰路徑。關于這個問題，Bessemer在不久前提出了一個很有價值的觀點：垂直AI軟件將成為未來。說起Bessemer,熟悉SaaS行業的人可能并不陌生。它是美國SaaS領域最專業的投資機構之一，在過去10年投資了200多家SaaS企業。為了完整闡述“垂直AI軟件將成為未來”這一觀點，Bessemer發布了垂直AI路線圖，總共四個部分。本文是Bessemer的垂直AI路線圖的第一篇文章。在這篇文章中，Bessemer會分享其對以下問題的思考：垂直AI應用與傳統垂直SaaS的差異？為什么垂直AI能夠取得更大的成功？以及垂直AI究竟應該如何落地？01垂直AI的潛力正在顯現過去，SaaS的發展路徑大致可以分為兩種，橫向SaaS和縱向SaaS.所謂的橫向SaaS是指通過標準化的產品去覆蓋廣泛的市場。而縱向SaaS則可以理解為服務特定行業的軟件。在上一波，SaaS浪潮中，橫向SaaS確實遠遠領先于縱向SaaS.一個體現是，Salesforce上市比VeevaSystems早整整十年。前者是全球領先的SaaS服務商，而后者是服務醫療領域的SaaS巨頭。我們之所以對垂直AI產品的看好，是因為這些產品的早期數據很亮眼。從功能上看，大多數垂直AI軟件通常是對傳統SaaS產品（如果有的話）的補充，而不是取代現有產品。在數據方面，這批新的垂直AI軟件公司（成立時間為2019年至今）的平均合同價值(ACV)已經達到了傳統垂直SaaS軟件的80%。ACV是指一個客戶合同在一年內的總價值，它是評估SaaS公司收入和預測未來收入增長的重要指標之一。同時，這批新的垂直AI軟件公司還保持著400%的增速，以及約65%的毛利率。按這樣的增長速度，我們判斷，未來兩到三年內將至少出現五家年度經常性收入（ARR）超過1億美元的垂直AI公司，未來三年內將出現首家垂直AI軟件公司IPO.事實上，垂直AI公司的價值，已經通過并購開始體現。2023年，湯森路透以6.5億美元收購了CaseText,一年后，DocuSign以1.65億美元收購了Lexion.02垂直AI的三個價值支點為什么我們認為垂直AI能夠取得成功，源于主要有三個：1、擴大總目標市場(TAM)TAM,代表目標市場中有多少客戶需要相應的產品或服務。過去，軟件開發商一直致力于通過產品擴張，推動TAM擴張，而忽略了細分場景的價值。垂直AI的價值在于，通過AI擴大軟件服務的價值，進而解鎖了以前被認為規模太小而無法建立可持續SaaS業務的細分市場。以EvenUp為例，它可自動生成人身傷害律師的索賠信函，允許公司以更低的成本接收更多客戶（從而提高利潤）。EvenUp已經超越了傳統SaaSTAM,而傳統SaaSTAM只能提供改進索賠信函管理工作流程的解決方案。根據美國勞工統計局數據，軟件支出占美國GDP的1%，而商業和專業服務行業（主要從事重復性語言任務）占美國GDP的比重高達13%。我們預測，隨著垂直AI進入更多服務場景，并催生出獨特的新業務模式來服務這一類別，垂直AI的市值將至少是傳統垂直SaaS的10倍。2、解鎖新功能和垂直領域傳統垂直軟件取代了過時且繁瑣的系統，并將許多行業（比如酒店業）的業務形態帶入了線上。但并不是所有行業都愿意采用軟件。原因是，在許多情況下，單靠軟件解決方案的投資回報率不足以說服決策者，也不足以證明建立軟件系統所需基礎設施、培訓員工等前期成本是合理的。相比傳統垂直軟件，垂直AI公司能夠更徹底地改善工作流程，甚至還能完全接管部分工作。這讓垂直AI能夠進入很多傳統軟件無法進入的市場。我們注意到，很多行業的大型企業開始接受AI技術，甚至主動尋找AI工具，因為他們擔心競爭對手會搶先采用這些工具，從而超越他們。例如，在醫療保健行業，SaaS的交易周期非常長，供應商正在采用Abridge（將患者與醫生的對話轉化為臨床筆記）和ClinicalKeyAI（一個人工智能醫療搜索平臺）等AI解決方案來接管繁瑣的工作并支持臨床決策。再比如，律師事務所很少使用CRM,但現在他們也開始采用基于Co-Pilot（副駕駛）的解決方案來處理合同簽訂、需求摘要生成、案件接收和其他耗時任務。3、提供前所未有的價值未來，根據能力的不同，AI應用可以融入每個行業，從家庭服務到會計。不過，人工智能的潛在滲透率將因行業而異。最有可能誕生垂直AI公司的領域，是那些以前僅靠人力無法完成或成本太高的工作。一個常見的AI應用案例是，通過分析大量的數據，來簡化工作流程，甚至實現自動化。例如，AxionRay通過分析物聯網和遠程信息處理、現場故障、生產和供應商數據中的大量產品數據來幫助制造商。同樣，JusticeText會自動審查數百小時的攝像機鏡頭，以幫助公設辯護人建立案件——這對于律師在調查期間進行的工作非常耗時，也會分散他們建立案件的注意力。03垂直AI的兩種落地路徑上一波垂直SaaS的贏家，針對服務不足的特定市場創建了云平臺，并在平臺上添加了更多的集成產品和服務，最終為特定的垂直行業提供一體化解決方案。正如我們在之前所討論的，垂直AI企業可以通過更有效率的服務模式，在特定市場中獲得更大的TAM,因此他們不需要向傳統垂直SaaS公司那樣建立如此龐大的產品體系。事實上，已經有垂直AI初創公司，通過解決目標客戶的一兩個工作流程，就實現了可觀的回報。梳理這些案例后，我們將AI應用的工作流程分為兩類：核心工作流程和支持工作流程。先說核心工作流程，指的是工作的主要功能，比如投行人員的財務建模或律師的合同起草。從目前看，文本和數據工作最容易實現自動化。因此，用AI完成核心工作，更有可能發生在傳統辦公室里的工作，比如法律、財務等等，而不是需要大量體力勞動的行業（例如家庭服務和制造業）。例如，投資組合公司Fieldguide正在徹底改變審計師的核心工作流程，他們利用生成式AI提高了審計師的效率，從而顯著提高了審計師的生產力。當然，AI適不適合在核心工作流程應用，不僅要看工作內容，還要看客戶的意愿。在這方面，不同行業的情況會有很大差異。例如，投行人員可能會使用AI簡化PPT制造流程，但不太可能用AI語音向客戶進行演示，因為這個領域人際關系很重要。再說支持工作流程，指的是與工作或業務無關但仍必不可少的工作流程，比如牙醫的營銷和患者關系管理（即Weave）或托運人的貨運采購（即GoodShip）。支持性工作流程，可能是垂直AI更好的應用場景，他們扮演工作輔助的角色，處理那些煩心、冗雜的工作，從而讓人將更多的精力集中到更重要的事情上。比如，醫生既有治療患者的專業知識和興趣，但對做筆記和文書工作甚至訂購醫療用品不太感興趣。這就是為什么我們看到市場對支持性工作AI解決方案的需求很高。然而，利用AI解決支持工作流程并非沒有挑戰。首先，這些行業中許多技術領先的橫向企業已經開始將人工智能納入其平臺，而垂直AI初創公司需要提供更好的解決方案才能參與競爭。從好的方面來看，垂直特定的AI初創公司更有可能捕捉特定行業的精確需求，并與底層系統（如CRM）集成，進而創造一種新的體驗。而常規的AI解決方案很難做到。例如，專門為家庭服務構建的AI解決方案可以識別客戶的問題，并引導技術人員更快、更有效地修復太陽能電池板。而常規AI解決方案只能根據客戶的要求進行預約。無論是為核心工作流，還是支持工作流構建AI,創始人都需要具備良好的判斷力、對客戶需求的深刻理解、有效的反饋渠道以及對監管環境的清晰把握，以便尋找適合AI解決方案的特定行業和任務。本文來源：36氪文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
09/07
中煙創新低代碼開發平臺，數字化轉型的加速器
在數字化浪潮席卷全球的今天，企業如何快速響應市場變化、提升業務效率，成為了擺在每個企業面前的重大課題。而在這個背景下，低代碼開發平臺憑借其高效、靈活、易用的特點，成為了企業數字化轉型的重要推手。今天將為您揭示低代碼開發平臺的魅力所在，帶您走進數字化轉型的新時代。低代碼開發平臺：掀起企業開發新革命傳統的軟件開發模式往往需要大量的代碼編寫和調試工作，這不僅增加了開發成本，還延長了項目的交付周期。而低代碼開發平臺則通過預制的模塊和可視化的開發工具，讓開發者能夠用更少的代碼實現更多的功能，極大地提高了開發效率。此外，低代碼開發平臺還降低了技術門檻，使得非專業開發者也能參與到軟件開發中來。其憑借提供圖形化的界面設計以及模塊化的組件，讓開發者能夠借助簡單的拖、拉、拽等操作去達成應用開發，極大地降低了軟件開發的繁雜程度。這種高效的開發方式不但加快了應用程序的構建進程，還削減了開發所需的成本，給企業的數字化轉型給予了強有力的支撐。這種“全民開發”的模式不僅加速了項目的推進，還為企業培養了一批具備數字化技能的新型人才。低代碼開發平臺如何助力企業數字化轉型？在競爭激烈的市場環境中，企業需要快速響應市場變化，推出符合客戶需求的新產品。以往，由于軟件開發的復雜性和漫長周期，企業在應對市場變化時往往顯得力不從心，新產品的推出也常常受到時間的限制。而低代碼開發的快速高效特性為企業帶來了新的機遇。它使企業能夠迅速調整和優化應用程序，以適應不斷變化的市場需求和業務發展。通過大大縮短開發周期，企業能夠更快地將產品推向市場，搶占先機。這種加速產品上市時間的能力，為企業在激烈的市場競爭中贏得了寶貴的時間優勢，有助于提升企業的競爭力和市場占有率。提升業務效率對于企業而言，低代碼開發平臺具有顯著的優勢。利用這一平臺，企業能夠依據自身獨特的業務需求，獨立自主地開發出定制化的應用程序。這使得企業的業務流程能夠實現自動化和智能化的轉變。以往繁瑣的人工操作得以簡化，不僅大大提升了業務處理的效率，減少了時間成本，還顯著提高了處理的準確性，降低了出錯的幾率，從而為企業的發展提供了有力的支持，助力企業在激烈的市場競爭中占據更有利的位置。低運營成本低代碼開發平臺為企業帶來了成本上的優勢。它有效削減了傳統軟件開發里的冗余環節，大大降低了開發所需的成本。而且，因其能夠顯著提高業務效率，使得企業在運營過程中能減少資源浪費，進一步壓縮運營成本。這樣一來，企業的盈利能力得以增強，有更多的資金用于發展和創新，從而在市場競爭中更具活力和競爭力。隨著人工智能、大數據等技術的不斷發展，低代碼開發平臺將擁有更加廣闊的應用前景。未來，低代碼開發平臺將更加注重與這些新技術的融合，為企業提供更加智能化、個性化的開發體驗。同時，隨著越來越多的企業加入到數字化轉型的行列中來，低代碼開發平臺的市場規模也將不斷擴大。北京中煙創新科技有限公司（簡稱：中煙創新）借助自研低代碼智能開發平臺，在多個關鍵系統取得了很大的進步。在采購文件編制與審核方面，實現了更高效、更準確的操作；標書查重工作得以精準開展；智能合同審閱變得更加便捷可靠；智能稽核平臺使財務稽核提升了效率與精度；“一項一卷”全過程AI輔助審核更是為煙草監督管理發揮了重要作用。這些成果共同推動了企業數字化轉型向更深處發展。展望未來的技術革命，低代碼開發的重要性愈發凸顯。它將成為開發人員的得力伙伴，攜手應對各種挑戰和機遇。在探索未知的道路上，低代碼開發將助力開發人員以更高效的方式創新，為創造美好的未來貢獻力量。它將不斷拓展應用領域，提升技術水平，為各行各業帶來更多的可能性，共同開啟充滿希望和創新的新征程。本文來源：R艾瑞網文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
09/07
新質互聯網”解讀：新在哪里，利在何處？
日前舉辦的第三屆中國IPv6創新發展大會上，中國工程院院士鄔賀銓在演講中提出了一個新的概念——新質互聯網。何為新質互聯網？目前還沒有非常明確的定義，但和新質生產力有著脫不開的關系。傳統生產力往往通過線性的擴張實現經濟增長，新質生產力追求的則是通過技術和模式創新，推動經濟的跨越式發展。以跳躍式技術演進著稱的人工智能技術，被認為是發展新質生產力的主陣地。而貫穿算力生產、傳輸和應用全流程的網絡，在AI時代扮演了關鍵基礎設施技術底座的角色。特別是在AI已經成為經濟增長的基礎性力量，千行萬業都在發生深刻變化的背景下，互聯網技術需要同步創新升級，以滿足日益增長的智能化業務需求。由此引發的一個話題是：新質互聯網“新”在哪里，要解決哪些問題，都有哪些應用場景？01不只是新名詞，而是時代需求正如外界所熟知的，互聯網誕生于上世紀60年代末，距今已經有55年的歷史，核心基礎就是大名鼎鼎的IP協議，演進出了IPv4、IPv6、IPv6+等多個版本，早已像空氣和水一樣成為生活中不可或缺的一部分。既然互聯網并不是什么新技術，而且有著比較清晰的演變路線，鄔賀銓院士為何要提出“新質互聯網”這個新名詞呢？因為在大模型主導的智能化浪潮下，現有的網絡技術已經無法滿足新的需求，甚至已經在某種程度上成了AI發展和應用的瓶頸。直接的例子就是大模型訓練。目前主流大模型的參數量已經達到萬億，訓練的數據量從幾TB增長到了幾十TB,對算力的需求也從千卡擴大到了萬卡。為了滿足龐大的算力缺口，國內在建的智算中心已經有上百個，通過算力網絡將各個智算中心連接起來，以滿足持續增長的算力需求，業已成為行業內外的共識，網絡層面的種種不足也因此被暴露了出來。比如網絡吞吐效率的下降。以外界熱議的50萬卡集群為例，僅僅是網絡拓撲由二層變成了三層，路徑數就從450萬陡增至300億。倘若不在算法和協議上的創新，傳統哈希算法在三層網絡調度情況下，整網的有效吞吐率將從50%下降到20%，極大影響算力效率。再比如網絡運力和丟包現象。目前智算業務90%的流量為“大象流”，即每條流達到10個G乃至以上。但傳統網絡由于負載均衡問題，只能發揮25%的網絡實際運力，會造成50%的算力資源閑置；且傳統網絡在跨域協同訓練時，丟包的敏感度比平時提升了百倍，0.1%的丟包就會導致訓練效率降低50%，導致算力資源的浪費。以及愈演愈烈的網絡安全告警。進入智能化時代，攻擊和防御的對抗也在不斷升級。AI被黑客用于攻擊后，每年新增1億以上新的病毒變種，而且10秒鐘就能夠發起組織大量的僵尸阻擊，發起T級別以上的DDOS攻擊。面對每天10萬次以上的安全告警，人工處理的方式已經疲于應對，90%以上的告警由于人工的限制，無法及時發現安全隱患。同樣被網絡制約的還有消費端。無論是生成式AI催生出的AIAgent需求，視頻會議、元宇宙、云游戲等新業態，還是自動駕駛、智能制造等業務，很多體驗需要保障時延在20毫秒以內。就像“忽冷忽熱”的XR,每一次有新產品出現時，都會吸引不少用戶的興趣，可時延超過20毫秒就會出現眩暈，一次次因為網絡“澆滅”了消費熱情。上述提到的，僅僅是智能化轉型中遇到的冰山一角。只有網絡吞吐率低、可靠性差、安全隱患多、時延高等問題被徹底解決，才會讓生產力有新的飛躍。正如鄔賀銓院士在演講中所強調的：“新質互聯網的提出是對接時代需求的深刻回應，不僅是對IPv6的進一步升級，還是面對智能時代的全面創新。”02不是未來時，而是現在進行時未來的技術無法解決眼下的問題，所以在“新質互聯網”的技術方向上，鄔賀銓院士的初衷并非是顛覆現有的技術，理性地呼吁大家在現有IPv6的方向上持續創新，賦予新的能力和內涵，探索新的創新空間。也就是說，“新質互聯網”并不是一種未來時，而是根植新質生產力需求、解決當下網絡痛點的現在進行時。其中比較鮮明的技術方向就是IPv6+。只是當前IPv6+的重心是網絡感知業務、優化信道、適應運營商的業務需求，尚未完全賦能于實體產業。這或許是鄔賀銓院士提出“新質互聯網”的另一重原因，呼吁業界回歸互聯網創新，在網絡層做更大的文章。比較樂觀的是，國內的中國電信、中國移動、中國聯通、中國廣電均已大規模部署IPv6+相關技術。截止到2024年5月底，我國IPv6活躍用戶數已達7.94億，政府、金融、能源、交通、教育、醫療、制造等多個行業和企業已經規模化部署了IPv6+網絡。期間遇到了許多舊技術解決不了的問題，正嘗試用新技術和新思路去解決。針對智算中心算力利用率低的問題，中國移動提出了“以網強算”的思路，基于全調度以太網技術方案構建新型智算中心網絡：在高帶寬方面，提出將800GE作為智算中心組網的重要代際節點；在高性能方面，創新了以太網轉發機制，實現了高精度負載均衡、網絡層原生無損及低延遲……預計在萬卡集群上，可以提高25%的算力性能。針對跨域協同訓練的傳輸問題，中國移動、中國電信和中國聯通均提出了“廣域高吞吐”相關技術，基于協議層的創新，將窗口的觸發機制、新型的傳輸協議、擁塞算法等進行組合，并先后完成了技術的驗證。以中國移動為例，將貴州天眼采集的數據傳輸到北京計算，中間跨越2200公里的距離，依然能夠實現6.2Gbps的穩定傳輸。針對產業端和消費端普遍關心的時延問題，中國移動和中國聯動正在攻關算力路由。由于計算時延和網絡時延同量級，僅在網絡層優化，很難將時延控制在20毫秒以內。算力路由的方案是將算力的因子引入路由中，改變過去只以距離向量來計算，而是加入算力因子、多維信息進行路由聯合優化，通過算網融合進一步優化時延。可以看到，除了自身網絡和業務發展需求，三大運營商均已聚焦產業趨勢，攻克核心技術。不只是運營商，參與其中的還有設備商、互聯網企業、應用提供商、終端制造商等等。一個不應被忽略的信息是，就在第三屆中國IPv6創新發展大會的“IPv6+”創新發展分論壇上，中國信息通信研究院、中國電信研究院、中國移動研究院、中國聯通研究院、華為、國家信息中心、中國石油、國網信通、中國科學院等聯合啟動了“新質互聯網創新發展計劃”，將深入挖掘技術需求、探索技術方向、推動技術標準。言外之意，圍繞新質互聯網的創新和探索，產業界正在合力驅動，不斷為新質生產力注入新動能。03新路標已定，創新正照進現實按照技術創新的一般規律，大多始于需求驅動，然后在價值被驗證后逐步規模化應用。沿循這樣的軌跡，當“新質互聯網”成為網絡演進的新路標，各種創新將如繁花綻放，改變每一個人的生活方式。至少就現階段來看，“新質互聯網”的技術創新和落地部署正在有條不紊的進行，價值也已經在一些場景被驗證。作為首家推進IPv6+和SRv6試點部署的大型國有銀行，中國銀行將“新質互聯網”的部署和創新提升到了金融科技戰略高度，建立了一個靈活、高效、智能的網絡架構，通過動態算路、動態感知、多重防御等手段，實現了網絡資源帶寬的動態優化配置，并確保了時延、敏感業務的高效運行。同為“新質互聯網創新發展研究計劃”參與方的國家電網，2021年就建成了以IPv6為架構的業務承載網，將SRv6、SDN等新技術應用到電力數據網中。對內實現了國家電網3D數據中心和27家省市數據中心的高速互聯；對外重構了CDN加速網絡及智能DNS系統，降低了用戶訪問的路徑和時延。像中國銀行、國家電網一樣的企業還有很多，他們走在數智化轉型的最前沿，最早認識到了新質互聯網的價值。倘若將智能化比作一臺汽車的話，算力、算法和數據構成了汽車的引擎，網絡就是它的動力傳輸系統，如果動力傳輸系統太落后，即使是再強勁的引擎，汽車也跑不快。理解了這一點，就不難讀懂中國銀行、國家電網等企業搶先布局的原因，同時也提供了一個窺探新質互聯網應用場景的窗口。借用中國信通院技術與標準研究所副所長曹薊光的觀點，新質互聯網的應用場景主要有兩個：第一，實現高質量的算力和數據。新質互聯網將打破網絡吞吐率、運力、丟包率等瓶頸，一些碎片化的算力將化零為整，極大地提升算力的利用率，降低算力成本，加快智能制造、機器人、自動駕駛等新業態的普及。第二，高性能連接新的網絡實體。從以前的聯人、聯物，到聯接更多的數字人和智能體。可以想象，一個人可能有多個智能體在云端為他服務，安排他的衣食住行并控制預算，全方位提升生活與工作的效率和舒適度。由此再來理解“新質互聯網”的價值，既是新質生產力，也在適配不同行業的業務承載需求，支撐各行各業的數智化轉型。一張高速、高效、靈活、智能的網絡，和大模型、芯片、大數據等“根技術”一樣，是人們進入智能化時代不可或缺的基石，煥發創新活力是必由之路。04寫在最后互聯網誕生至今的55年里，核心技術沒有發生太大的變化，現在已然到了和AI結合向新質互聯網演進的關鍵節點。既是機遇，也是挑戰。需要產業上下游在設備、協議、管控、安全等多維度持續協同創新，滿足更多的業務訴求，挖掘更多的應用場景，以技術為橋梁，開啟智能化時代的網絡新篇章。本文來源：R艾瑞網文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
08/30
藥企上AI工具，何時能創收？
從業者試圖為大模型找到更多使用場景，來給營收、融資增加籌碼AI大模型一個更新的嘗試，是幫助藥企開拓市場。在一位從事AI成果轉化的研究人員看來，大模型在醫藥的應用，目前進度較快、用得比較早的位于整個鏈條兩端，一端是輔助新藥研發，另一端則是藥品市場研究，這是一個從兩端逐漸往中間環節過渡的過程。大模型能在何種程度上幫助藥企營銷創收，不同企業有各自的解法。No.1輔助藥企做市場營銷在企業紛紛盯著降本增效的當下，如果能使用合理的工具來讓企業增加收入，是一個頗為實際的方向。數字員工“白小柒”，是中藥企業云南白藥的一次嘗試。至少在2020年引入IBM公司的人工智能及相關技術，到2023年10月，云南白藥基于人工智能模型打造的“白小柒”上線。員工在工作中遇到業務問題，不用問他人，在辦公電腦上咨詢“白小柒”，馬上可以得到幫助。“白小柒”，定位于藥品銷售的助手、產品研發的助理、健康品營銷的寫手。云南白藥2023年年報稱，毛利率26.51%，主要在于公司實施內部精益運營，實現降本增效。其中，2023年10月公司的第一位數字員工“白小柒”上線，提升了員工辦公效率。這是AI大模型嘗試的一個更細的分支。云南白藥集團首席信息官（CIO）李少春在一個會議中表示，所有企業都應該建立自己的AI團隊，但不是AI科學家團隊。在大模型范式下，技術分工越來越細，企業的AI算法工程師重點需要了解基于大模型如何微調和構建相關訓練數據，以及提示工程和相關應用，就已經能解決許多過去小模型存在的問題。在李少春看來，大模型底座工作交給大模型平臺公司來解決，這樣可以降低應用門檻，擴大應用范圍，并更深入行業領域。已有專門為企業營銷而設計的垂直大模型產品。8月8日，東信集團發布了一款營銷大模型，主做創意營銷內容生成、AI智能營銷咨詢、營銷方案智能生成，覆蓋社交媒體的文案生成、營銷短視頻的自動生成、策劃方案自動生成等。該公司董事長劉楊稱，營銷領域，將是AI大模型最早能大規模商業化的場景應用之一。一位醫療領域投資人分析，專業從事企業數字營銷的公司，是很需要大模型的，因為大模型可以基于各種標簽維度做市場篩選，判斷并匹配潛在客戶。“最好的一點就是它是增收工具，相對來說會更好賣。”No.2做單一任務更擅長幾乎沒有藥企只為了促進市場營銷而去特意配置一款自己的AI大模型，功能多的更受歡迎。在OpenAI的支持下，疫苗研發公司莫德納（Moderna）在內部引入了生成式AI。在生成式AI幫助下，不僅莫德納的法規團隊人員可以快速獲得清晰的合同摘要，還可幫助員工快速獲取內部政策，無需像以往一樣在數百個文檔中搜尋，以提高工作效率。此外，莫德納的公共關系團隊用ChatGPTEnterprise，構建了一個生成式AI聊天機器人，可以輔助創建季度財報電話會議的PPT；另外一個聊天機器人則可以幫忙把生澀的生物技術術語，轉換為平易近人的語言，以方便和投資者進行溝通。另一家與OpenAI合作的醫療企業——OscarHealth，做了一個AI助手，可以跟蹤報銷流程，自動回答有關患者報銷的問題，將處理報銷所需時間縮短一半。這實際上還是在使用大模型的文本生成、問答能力，只不過將工作場景放進了醫療領域中。然而，僅做助手還不夠，人們期待大模型能給市場分析和營銷帶來更多創意，突破固有的經驗。云南白藥還在持續訓練“白小柒”內部知識，不僅讓它成為熟練掌握白藥集團內部知識的上崗員工，還希望它能成為藥品銷售的小助手、產品研發的小助理、健康品營銷的小寫手等。市場人員一直在苦苦追尋最佳的售賣方案，想知道一款藥為什么能夠賣得好，哪些路徑是真正行之有效的。然而，即便是經驗豐富的銷售員，也只能基于過往經驗或對行業的理解去做分析，很難跨出已形成的知識架構再去思考問題，所以難有創新點。而通過大模型分析市場數據會產生新的可能性，給市場分析人員以更多啟發。零售數據分析公司IntelligenceNode，就推出一個零售競爭情報平臺——Incompetitor，能夠分析競爭對手的定價數據，幫助零售商和品牌商監控競爭對手。是的，當具體到每項功能，越是單一、明確，越容易讓大模型去實現。這是當下從業者們在實際應用上的一個共識。在營銷領域使用AI大模型的過程中，衛瓴科技創始人兼CEO楊炯緯意識到，直接將AI應用于復雜業務場景中，往往效果不佳，需要企業首先梳理業務流程，然后再在具體環節內引入AI，這樣可以通過AI總結聊天記錄、生成個性化營銷內容等方式，去逐步提升營銷效果。也就是說，某位銷售人員發來一條信息，或者某次條理清晰的拜訪，其內容大綱，或者說“話術”，很有可能就是AI寫出來的。而對方的反饋，無論是接受了還是拒絕了，這些行為也成了數據，以幫助AI更懂人。“AI沒法形成全鏈條的應用，它目前只能在單點上用一下。”在上述研究人員看來，人們不敢嘗試讓AI去觸碰業務的核心地帶，不放心，但一直不讓它碰就能力不夠，像小學生升不了學，始終卡在小學階段上。No.3不明確的收益盡管還沒有一家醫藥企能公布出具體從人工智能工具中得到實惠的數據，但多數業內人士還是認為其未來價值的確可期。咨詢機構麥肯錫在2024年一季度詢問了100名美國的醫療保健行業核心人士，包括支付方、服務提供者和醫療保健服務技術集團在內。結果顯示，超過70%的醫療保健組織受訪者表示，其所在的組織要么已經在使用生成式人工智能工具，要么正在對其進行測試。7月25日，麥肯錫發布了上述報告。在生成式人工智能在醫療領域投資回報率上，大多數受訪者表示仍處于概念驗證階段，已經在實施的數量不多，但約60%已實施AI的人，要么已經看到了積極的投資回報，要么抱有這樣的期待。而國內大多數藥企，仍在觀望中。一位AI營銷從業者表示，當下有意向嘗試AI的企業，要么是預算少了、業績考核多了，要么是預算增加，但要用錢的地方更多。很多預算是要一分錢掰成幾瓣去花。大模型落地企業的方式主要有兩種。一種是企業私有化部署大模型，它可以保證企業的數據安全，但部署成本高達數百萬元。另一種是調用廠商的大模型API（應用程序編程接口），部署方式相對簡單，成本也低。花出的錢，企業希望換到的是銷售效率和成交率提升，這也是企業生存下去的關鍵，更重要的是能給營收、融資增加籌碼。然而，在工業領域，包括制藥業在內，由于內部數字化程度不足，大模型拿來就能用上的比較少，一般需要參與合作的大模型團隊從頭干起，甚至先去給企業整理內部數據，打基礎，然后再上大模型。這一來成本就不可能低。“大模型產品和作為埋單方的企業，雙方的需求不是一回事，這是一個現實的矛盾。”上述AI營銷從業者認為，數字化轉型的服務商，目前必須調整自己的預期，在有限的預算下，一定得幫埋單方實現開源節流，要么有效擴大市場，要么節省成本。以往那種捕捉時下熱點推薦給企業，流行什么就建設什么的方式，到今天已經越來越難實現了。另外，訓練AI大模型，數據的數量和質量都很重要。一位AI輔助營銷行業的從業者也表示，去一些企業里問了就發現，其實企業的數據沒有收集好，尚不具備數字化的基礎。數據量湊不上，無法對大模型進行專業化的訓練；數據量夠，但質量低下，會讓大模型“智力”倒退。上述研究人員遇到過，有機構提供數據讓他去訓練大模型，但數據質量不夠好，訓練完了性能反而下降了。需求難以匹配，企業對此有許多抱怨，一是花了很多時間，太慢，二是價格因此更貴了。這又讓企業對使用AI的成本更為在意。對人工智能的大額投入，真能帶來與之相匹配的收入增長嗎？在全球市場也有不少反對意見。6月底，巴克萊銀行分析師羅斯·桑德勒（RossSandler）就公開表示，在大模型領域的投入與創收在數字上似乎并不平衡，華爾街的預期是到2026年，人工智能將比計劃多花費約600億美元，但可能只帶來額外的200億美元的收入。高盛公司資深股票分析師吉姆·考夫洛（JimCovello）也表示，盡管AI大模型公司的股價一路走高，但這項技術還遠未達到實用所需要的水平。他提醒，“過度建設尚無實際用途或者尚未就緒的成果，往往會招致糟糕的結果”。本文來源：36氪文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
08/30
互聯網重構“規則制定權”，周期性謀咒開始輪轉
中國互聯網產業進入Web3.0，面臨生產力重構。周期“魔咒”又開始輪轉了。產業趨勢疊加資本周期，使得任何產業都有其周期性規律，傳統資源產業是如此，科技產業亦非例外。剛剛迎來30周年慶的中國互聯網賽道就正處于新一輪小周期的節點。隨著移動用戶量逐漸被開發利用至階段性頂峰，近年來有關于中國互聯網賽道正在邁入成熟期的看法一直沒有停歇。這一判斷結果的重要依據包括，一是成長股投資范式下，收入是判斷周期階段的最可靠指標，而目前該產業企業的收入增速明顯放緩，資本積累也達到了一個新高度。其二則是，整個市場的矛盾焦點也正逐步從需求端轉至供給端。然而，近日據工信部發布的最新數據顯示，總體上，24H1規模以上互聯網企業業務收入繼續保持增勢，同比增長5.6%，增速較去年同期增加3個百分點；同期利潤總額增長1.9%，。這些數據似乎又在表明中國互聯網企業仍處于成熟期的左側。那么，事實上終究為何？中國互聯網的那些年大周期實則是一個存在連續性的整體。所以，在判斷一個產業當前的發展周期，首先必然是要拉長時間維度，對其過去的產業周期做一個定調，再來根據現有表現做出最新的周期判斷。而中國互聯網產業，來到2024年，正好走到了發展的第三十載，產業周期已由技術導入的Web1.0階段，進入了Web3.0新技術迭代期。自1993年搭建基礎網絡、關鍵資源建設起，到以網易、?搜狐、?新浪三大門戶網站為代表的首批互聯網企業相繼成立，?中國互聯網產業迎來第一波熱潮。尤其是進入千禧年后，互聯網信息服務業體系逐步建立，同時?以搜索引擎、?電子商務、?社交網絡等服務為核心的互聯網企業迅速崛起，?全鏈條產業格局基本建立。此時，也就是Web1.0時期，國內互聯網產業尚處于技術導入期。而第二波熱潮，則是伴隨全球互聯網泡散去，?寬帶網絡建設也被上升為國家戰略，網民數量激增，此時以智能手機等智能終端為載體的?移動互聯網興起進一步帶動了中國互聯網發展進入加速發展階段。這一時期，中國互聯網產業本質上更多的是大環境下，基礎技術加持帶來的人口紅利爆發。此時依賴流量的平臺型互聯網經濟也由此得到快速發展，包括淘寶、美團、大眾點評等生活服務平臺快速壯大。這一階段也被稱之Web2.0平臺時代。然而這時候的平臺經濟確實是在很大程度上加快了整個互聯網產業的發展，但一方面，以先發優勢，把控流量入口，幾乎壟斷產業鏈主要利潤的大平臺導致了數據作為生產資料的壟斷和不平衡，而數據的生產者不掌握數據的所有權。另一方面，不同于集齊了操作系統、主控芯片等軟硬一體尖端技術支撐的美國互聯網產業，當時中國互聯網產業的科技屬性仍有很大提升空間，包括“赫赫有名”的阿里巴巴、字節跳動、網易、騰訊等互聯網大廠，其實更多的還是在圈、守流量。因此，當時間來到國內基礎算力基本完善的2020年后，基于P2P網絡原理構建的去中心化網絡生態開始去改變這一切。此時，互聯網產業鏈中各大企業紛紛開始以技術變革更新來提升其生產能力與生產效率，尤其是完成前期資本積累的大廠，一邊持續加碼融合創新應用，一邊以其龐大的資本、資源等優勢，投資并購眾多有前沿技術研發實力的科技企業，補齊短板。可見，當前的中國互聯網已經發展成為一個商業化的巨大網絡生態系統，但整體仍處于以互聯網信息技術驅動的技術周期，位于Web3.0階段。這一階段，歸根結底，其實是整個產業試圖以更先進的生產力對落后、或者不適配生產關系進行一次重構。而重構意味著此前占據先鋒的各大互聯網大廠將迎來莫大的挑戰。互聯網賽道的“規則制定權”在重構事實上，互聯網平臺產業的王朝更迭邏輯，本質是供需層面圍繞的核心X變量迭代。而當前聚焦于先進生產力升級的中國互聯網產業，其核心矛盾點自然也轉嫁至供給端，而非過去的需求邏輯了。一方面，需求端，移動互聯網月活用戶量早已進入微量增長之際。QuestMobile數據顯示，截止到2024年6月，移動互聯網月活躍用戶規模增速僅有1.8%。此時，互聯網賽道的收入增速同步放緩，過去的高速成長期似乎逼近結束。工信部數據顯示，2021-2023年間，規模以上互聯網企業業務收入增速分別為21.2%、-1.1%、6.8%；24H1增速則為5.6%，同期利潤同比增長1.9%。可見，近幾年中國規模以上互聯網企業的收入增速出現較大波幅，整體呈下滑態勢，收入低速增長。另一方面，供給端，隨著去中心化的網絡生態得到初步構建后，互聯網企業的垂直服務方向被進一步細化，從而衍生了許多新業態、商業模式，以及應運而生的新大規模級企業，例如以低價策略快速成為巨頭之一的拼多多、以內容直播實現飛躍的字節跳動、快手。而與此同時，按照諾維格定律，當一家公司在某個領域的市場占有率超過50%后，其增長往往將受制于行業，無法再使市場占有率翻番，必須尋找新的市場。這意味在電商領域的市占率達約45%的淘寶將出現增速放緩的必然性，阿里巴巴則有打造新引擎的必要性。事實上，盤點微軟、特斯拉、谷歌等走在世界前例的科技巨頭，可發現一個共性：從未停止探索在新領域打造第二增長曲線的步伐，甚至在核心利潤池仍處高速成長期，就開啟了新的增長步伐。因而，雖然包括體量最大的阿里巴巴、亦或是一躍成為“黑馬”巨頭的拼多多、字節跳動等互聯網平臺企業，其增速其實均仍在穩健增長。但是中長期，僅靠現有核心業務的迭代更新，下收入滑是必然趨勢。近期，各大電商平臺開始放棄之前的價格策略，開始重回GMV道路就是這一可能的證明之一。當然，更重要的是，缺乏第二增長曲線的互聯網大廠，將在生產關系的重構中逐漸失去對自身已擁有的“規則制定權”的把控。據工信部數據，24H1以新聞資訊、社交等信息服務為主的企業互聯網業務收入同比增長9.5%，增速較前5個月提高5個百分點。而這恰好是AI技術落地之初，最容易商業化的領域。而AI技術滲透相對較低的本地生活、旅游等生活服務領域企業互聯網業務收入增速小幅回落，以大宗商品、農副產品銷售的網絡銷售領域企業就更不用說了，同期收入增速由正轉負。其實，早在2023年騰訊、阿里巴巴公布的財務數據就表明了AI加速賦能、國際化正成為信息服務類大平臺實現高質量增長的主要驅動力。與之相比，拼多多、美團的增長仍得意于消費需求本身、以及業務生態不斷完善等。可見，AI等先進技術或許已悄然開始分化這些規模以上互聯網企業了。并且從大趨勢上來說，AI等先進生產技術在賦能了規模以上互聯網企業巨大的降本提效能力之時，也會孵化出更多科技新勢力。因此在新的一場先進生產力對生產關系的重構中，規模以上互聯網企業其實的迫切需要創新動力來守好擂臺的。強科技屬性必是互聯網廠的最終歸屬無可爭議，中國互聯網企業的相關收入確實進入了階段性的低速增長期，產業的發展邏輯也由需求端轉至供給端。但產業的成長性或許正在面臨一些周期陣痛，但卻并未消散。一方面，為了應對不斷變化的市場環境，大多互聯網企業都在試圖采取多元化的發展戰略來保證高質量經營，包括以技術支撐來挖掘新的消費需求場景，或者在“出海潮”中，利用其雄厚的資源優勢獲取更廣闊的全球市場等。而另一方面，其實市場更應該看到的是，在AI、大數據的窗口期中，中國互聯網企業已經開始感悟其科技屬性了，而不再像過去一樣，僅僅聚焦于高科技服務和周邊產業，純像是商業公司，至少頭部大廠是如此。如，阿里巴巴重投五家大模型獨角獸公司，并以通用大模型來布局AI算力基建；字節跳動則用豆包大模型大搞直面C端的AI應用；騰訊則聚焦于金融大模型、醫療大模型、教育大模型等產業大模型的落地。不過整個行業來說，大多企業的科技定位仍亟待增強。數據顯示，上半年，我國規模以上互聯網企業共投入研發經費459.8億元，同比增長1.2%。但體量不足總收入的5.29%。要知道務實地投入研發是企業擁有以創新跨越經濟周期并保持競爭力的可能的先決條件。因此，對于更多規模以上互聯網企業而言，想要跨越新一輪生產力與生產關系的調整周期，不被出清淘汰，加碼尖端技術的研發實屬必要。當然，還要點出的是，對于領跑巨頭企業而言，科技聚合的壟斷紅利不該是其掌握行業規則的目的，而應該是其持續創新和尋找增長動力的手段。將這些超額些利潤投入到創新與科技發展中，以持續提升全要素生產率，確保企業在合規的同時也能保持其市場領導地位，并以鯨魚效應驅動全產業的發展，才是一個產業的健康發展應有態勢，也是大企的擔當體現。本文來源：36氪文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
08/24
用AI一鍵生成PPT，4000億辦公賽道沖出AI應用黑馬
“各行各業都可以用AI去重做一遍。”AIGC科技企業「愛設計&AiPPT.cn」創始人/CEO趙充如是說。針對“制作PPT”這一辦公賽道中的細分場景，「愛設計」用AI重做了一遍。在去年8月上線了AI產品AiPPT.cn,將PPT的生成方式極度簡化——輸入標題或導入文檔，就能一鍵生成PPT,且支持在線編輯。4個月后，AiPPT.cn月活躍用戶數（MAU）就突破百萬大關。最新數據顯示，平臺月訪問量已接近500萬，在國內PPT細分領域排名高居榜首，并躋身國內AI產品總榜前十，成為名副其實的AI應用黑馬。不久前，「愛設計&AiPPT.cn」宣布完成B1輪融資。本輪融資由A股上市公司視覺中國領投，星連資本和36氪跟投，這是「愛設計&AiPPT.cn」在短短4年內獲得的第四輪融資。此前，「愛設計&AiPPT.cn」已經獲得了心元資本、微夢傳媒、視覺中國、信天創投、策源創投、亞杰基金及知名戰投方投資。競爭激烈的AIGC領域，愛設計&AiPPT.cn為何能殺出一條血路？成立于2018年的「愛設計&AiPPT.cn」，又是如何借著AI2.0崛起的？AI創業，是AI原生應用更能破局，還是有行業積累的項目更有勝算？創業黑馬采訪了「愛設計&AiPPT.cn」創始人/CEO趙充，他向我們詳細分享了鮮為人知的故事。01不要憑空創造市場“AI技術雖然重要，但只是眾多功能之一。”在趙充看來，AiPPT.cn能爆發，核心并不在于疊加了AI功能，而在于公司此前已經有用戶池，且對用戶實際需求有足夠了解，這是至關重要的。他進一步指出，除了既有用戶池，行業Know-How也非常重要。每個用戶或客戶都有自己既定的工作流程，公司需要了解這些流程，并基于此來開發產品。趙充建議，對于那些希望進入AI應用領域的公司，應該選擇即使沒有AI也能賺錢的領域，并且要順勢而為，而不是憑空創造市場。趙充的過往經歷為他的判斷提供了依據。「愛設計&AiPPT.cn」并非他第一次創業，早在2011年，他就創立了新媒體商業集團微夢傳媒，同時深耕內容創作工具領域多年，并成功推出了“365編輯器”等熱門產品。內容創作不僅需要排版編輯，還涉及到圖片設計工作，于是有了「愛設計」這樣一個業務部門，并利用365編輯器來導流，完成了愛設計的初期用戶積累，即所謂的“冷啟動”。2018年，「愛設計」從微夢傳媒拆分出來，進行獨立融資。最初500萬種子基金是趙充和微夢一位投資人投的。趙充表示，一方面，「愛設計」獨立出來后，能夠獲得更多資源。同時他也考慮到，像365編輯器這樣的圖文排版工具，更多是面向個人用戶的TOC模式。但僅僅依靠TOC模式，無法充分利用微夢服務的世界500強企業等大型B端客戶資源。因此，趙充希望能通過「愛設計」，從流量側向工具側拓展，為客戶提供更多價值。當時的大背景是，互聯網流量紅利基本見頂，廣告主都要靠生產更多內容來獲取流量，或者提高流量轉化效率，也就是說需要尋找內容上的紅利。為此，「愛設計」推出了AIGC內容中臺，相當于是企業CMO的內容營銷指揮所和彈藥庫。這個中臺覆蓋了從內容上云、版權資料、內容管理、審批流程到內容分發，以及數據回流的整個鏈條，有十幾款內容創作的工具可以提供給企業內不同部門的人員使用，包括微信公眾號編輯器、H5編輯器、圖文編輯器、批量套版編輯器、智能延展編輯器、視頻編輯器等等。對于AIGC內容中臺的需求，趙充提到，只有企業足夠大，才會考慮做內容的數字化。這與微夢此前覆蓋的各行業頭部企業客戶群是有重疊的。這些企業的典型特征是“四多”：內容多、銷售多、門店多、版權合規問題多。在這樣的用戶畫像基礎上，「愛設計」的B端收入增長很快，營收一年翻了五倍。但是，趙充還是希望能在C端有所突破，拓展產品線來提升用戶使用頻次和付費金額，讓用戶留存數據更好。因此，2022年「愛設計」立項了兩個主要產品，一個是在線PPT編輯器，一個是在線H5編輯器。再往后，如大家所熟知的，OpenAI推出ChatGPT,生成式AI的浪潮呼嘯而來。愛設計的PPT編輯器加上了AI功能，在去年8月上線，然后一炮而紅。到去年11月就有了100萬MAU,最新的數據則接近500萬。02做極致單品，而非“大而全”在定位上，AiPPT.cn主要面向的是對PPT使用不太熟練的小白用戶群體，這與使用WPS等辦公軟件巨頭的專業用戶形成差異。在趙充看來，以往的PPT制作方式類似畫畫，是通過大量堆文本框、配圖、圖標來完成的，功能越多優勢越明顯。WPS的優勢在于其豐富的功能，這是通過大量資金和人力投入建立起來的。對于創業公司來說，很難在這一點上與之競爭。然而，生成式AI技術的出現改變了PPT的工作流程，為創業公司提供了機會。目前AI生成PPT的流程分兩種：一是類似ChatGPT的方式，用戶輸入一句話標題，AI就可以快速生成PPT大綱并做出優化，用戶在線編輯，做出修改即可；二是將PDF、Word、TXT、腦圖文檔直接導入AI,由AI進行結構化總結和PPT制作。與其他AIPPT產品相比，趙充認為，AiPPT.cn的優勢在專注于單一產品，也就是做“小而精”，將核心場景做透，做到極致單品。辦公賽道市場廣闊，并不是所有人都需要大而全的產品，而且很多人對PPT的專業度要求也沒有那么精細。同時，AiPPT.cn從產品即品類的名稱上來占領用戶心智，“相當于你喜歡喝低糖酸奶，就會買簡愛酸奶。在低糖酸奶賽道，跟蒙牛、伊利競爭的時候，簡愛酸奶這個單品就更容易殺出來。”趙充提到，AiPPT.cn不僅是AI技術的應用，還包含了工作流程和內容供應體系。AI直接生成的內容往往不收斂，不可編輯，也不是分層文件，而AiPPT.cn提供的是一個完整的工作流程和模板供應體系。這包括了各種專業領域的模板，比如黨建、醫療、學生答辯等都會用到不同的模板。AiPPT.cn今年預計推出約200萬個模板，這是單一的AI能力無法解決的。值得一提的是，AiPPT在上線之前，就同時注冊了cn和com兩個域名，一個面向國內，一個面向海外。在趙充看來，海外有更廣泛的市場，企業可以有更大的發展空間，國內企業都應該具備雙線作戰能力。AiPPT.cn的海外版產品AiPPT.com已經覆蓋了十多個語種，包括英語、西班牙語、葡萄牙語、泰語、印尼語等等。AiPPT.com在海外定價是一年120人民幣左右，略高于國內的99元/年，但與微軟Copilot30美金/月的價格相比，還是有很大的競爭優勢。同時，AiPPT.com在各個國家尋找合作伙伴幫助獲客，比如在韓國、越南找當地最大的招聘網站合作，大范圍地覆蓋白領和大學生用戶，直接做交叉銷售，然后分潤結算。另一方面，針對海外同類產品的競爭，趙充選擇將AiPPT.com和模板市場進行結合，利用視覺中國作為戰略股東的資源，發揮其在PPT素材模板方面的優勢。預計明年或后年，AiPPT.com的海外市場收入可能會超過國內市場。“我們是中國公司，先在國內市場做，如果中國都殺不出來，海外肯定也殺不出來。但是我們可以投入更多兵力去海外，因為我們已經是國內第一了，所以才有底氣出海。”趙充表示。03成為下一代個人與組織的AIGC工作站用AI生成文本、用AI寫PPT、用AI做圖……AI正在成為“打工人”的辦公必備，也將逐漸改變人們的工作方式。趙充相信，AI技術在內容創作中的應用將越來越普遍。“我們的定位是下一代個人與組織的AI工作站，針對白領和學生等人群，他們的需求就是從內容搜索到內容整理，再到內容創作。PPT只是內容創作的形式之一，我們會沿著這個路徑繼續去做更多產品線。公司品牌就叫PixelBloom（像素綻放）。”在組織形態上，趙充希望采用VentureStudio的模式，也就是讓公司作為孵化器，通過主理人負責各個產品線，同時公司提供產品功能化、用戶增長和運營變現的能力。在這個定位中，AiPPT.cn、愛設計、365編輯器等都是產品線，后續還會開發出更多產品，而最底層的邏輯就是滿足內容工作者的需求。短期來看，在取得先發優勢的情況下，AiPPT.cn將繼續增強產品功能，這些新功能將通過優化用戶體驗、豐富平臺服務等細節來為下一階段打下堅實基礎。一是多模態增加更多新功能，包括文生圖、文配圖、文生文以及虛擬人等。以虛擬人為例，用虛擬人去講PPT并制作成視頻，可以滿足銷售場景中重復講PPT的需求。二是上線外掛知識庫，包括個人知識庫、企業知識庫、行業知識庫等。在知識庫的基礎上，AI生成的PPT將更符合用戶個人或組織的需求，比如醫生要寫PPT,就可以調用醫療知識庫。三是增加團隊協作版本和企業版本，帶有分享和協作功能，打通協作才能夠更好地連接企業級辦公場景。此外，「愛設計&AiPPT.cn」也很看重對生態能力的補齊。本輪融資除了資金支持之外，視覺中國作為國內最大的正版圖片內容商，持續在內容版權方面提供素材資源。星連資本背后的智譜AI作為國內頭部大模型公司，可以幫助AiPPT.cn基于技術底座實現定制開發，提供更精準的AI能力，而AiPPT.cn也可以輸出給智譜清言去獲客創收，實現合作共贏。同時，AiPPT.cn也跟Kimi、豆包等大模型達成合作。因為這些大模型暫時沒有精力去做PPT等相對復雜的垂類產品，但又需要有這樣的基礎能力，所以就選擇國內領先的垂類公司來合作。而趙充對于此類合作的思路是，只要對方的用戶群跟AiPPT.cn的用戶群體是匹配的，就可以達成合作，將自身能力反向輸出給對方，形成共生關系。趙充提到，全球辦公市場的規模達到4000多億人民幣，微軟作為該領域絕對的巨頭，占據了大部分市場份額。國內市場，金山軟件的年營收約為46億收入，相當于只占全球市場不到1%。以此類推，在全球辦公市場的搶占千分之三到五的份額，就足夠撐起一家A股上市公司。在經歷了2023年的“百模大戰”之后，大模型逐漸成為基礎設施一般的存在，成本也大幅下降。和業內主流認知一樣，趙充也認為，2024年到2025年將是AI應用層面的爆發年。“這很像十年前移動互聯網興起時，微夢其實就是踩中了這十年新媒體的紅利。接下來十年最大的紅利可能就是AI,大模型與用戶之間還有非常肥沃的土壤，各行各業都可以用AI去重做一遍。”趙充的信心在于，「愛設計&AiPPT.cn」還儲備了很多內容創作相關產品，未來可以用AI把這些產品全部重做一遍。本文來源：i黑馬網文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
08/24
國產開發支撐基礎軟件新風向丨“萬象”研發效能大模型正式發布 賦能中國千萬開發者
024年8月，新一代研發效能大模型--泛聯“萬象”在長沙正式發布，這是泛聯新安繼6月份完成新一輪戰略融資后，進行技術和產品創新、奔赴"AIForBetterCode"企業使命的又一大動作！作為國產軟硬件開發支撐工具領導廠商，泛聯新安本次發布“萬象”研發效能大模型，旨在打造智能化的開發助手、測試助手、文檔助手、管理助手，全流程賦能軟件研發，以新質生產力重塑產業及企業競爭力。軟件開發與測試，是千行百業的基礎底座。它們不僅支撐著新一代信息技術的快速發展，同時也成為了企業數字化轉型升級的關鍵鑰匙之一。鑒于此，研發效能大模型成為了實現成本節約與效率提升的理想選擇，有望在航空、航天、電子、高端制造、工控、金融等場景中得到廣泛應用。三大助手，全面賦能研發萬象DTCoder是一款集成在IDE中功能強大的研發效能大模型，它可以提供：研發領域智能問答、自動補全代碼、代碼解釋、代碼注釋、生成單元測試、生成流程圖、生成序列圖、生成類圖、生成代碼片段詳細設計文檔等能力，幫助研發人員提升研發質量和效能。●開發助手，助力研發效能提升通過研發領域智能問答，自動生成算法代碼，打造沉浸式編程體驗。通過上下文邏輯，理解編程意圖，實現行級或函數級代碼自動補全，一鍵生成準確的代碼注釋和解釋，優化代碼可讀性。●文檔助手，實現研發文實一致通過代碼解析自動生成詳細設計文檔、設計圖，還可一鍵生成流程圖、序列圖、類圖等設計圖，更直觀理解代碼的邏輯和調用關系。●測試助手，便捷提升代碼質量萬象已集成于多款軟件質量測試、軟件安全測試等工具中，能自動生成單元測試用例、輸出智能缺陷解釋、給出缺陷修復建議，快速完成缺陷審計及修復。泛聯“萬象”大模型的發布與應用，將顯著增強企業的研發效能，進而提升其核心競爭力。隨著越來越多的企業認識到研發效能的重要性，“萬象”研發效能大模型的應用范圍也將不斷擴大。這一趨勢將進一步推動產業升級和技術創新，為各行各業帶來生產力水平的普遍提高。泛聯新安“賦能中國千萬開發者”的理念或許將很快實現，其商業價值將有明顯提升。本文來源：i黑馬網文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
08/16
如何看待大模型驅動的BI變革
要看大模型性能，二要確保數據分析的準確性。在當前以數據為核心的商業環境中，商業智能（BI）工具已成為企業決策過程中的關鍵要素。隨著技術的發展，大語言模型（LLM）作為一種新興技術，正在逐步改變BI產品的傳統模式，為企業決策提供更加靈活、高效的能力支撐。但實際應用場景中，企業對數據分析的準確性有著極高要求，只靠大模型能力遠不能實現BI以數據驅動決策的服務目標。想要以大模型驅動BI變革，一要看大模型性能，二要有效規避潛在的不可控因素，保證數據分析的準確性。ABI的關鍵價值由LLM的表現決定據IDC統計，全球數據總量在過去幾年中呈現爆炸式增長趨勢。而數據量的增長不僅體現在規模上，數據的多樣性與復雜度也在攀升，據IDC預測，到2027年，全球非結構化數據預計占到數據總量的86.8%，達到246.9ZB.面對數據體量與數據結構的巨大變化，傳統BI顯然難以滿足以數據分析實現輔助決策的企業需求。而隨著大模型的能力提升與應用落地，其在BI系統中的協同價值正逐步被行業所認知：LLM具備強大的數據處理能力和深度學習能力，能深入理解、分析數據及背后的業務邏輯，使革新后BI軟件能在深入企業經營和業務運營分析方面進一步釋放價值。在LLM的賦能下，BI軟件能夠提供更為準確和實時的預測結果，例如識別關鍵業務指標并及時向決策者發送警報，使企業能夠更加快速地響應市場變化。LLM在BI中的表現還在于提升用戶體驗。以LLM驅動的BI系統可以實現低成本的人機交互，用戶可以通過自然語言查詢，獲取所需的數據分析結果，這使得非技術背景的人員也能輕松地使用BI工具，降低使用門檻的同時將由數據驅動的決策應用在企業更廣泛的業務流程中。此外，在LLM出現之前，已有技術如NL2SQL在研究如何通過對話查詢數據，但由于自然語言處理（NLP）技術的局限性，這些產品無法穩定可靠地生成查詢SQL語句。隨著LLM的發展，端到端的Text2SQL方案變得更加可行，尤其是在表結構相對簡單的情況下，可有效地將自然語言查詢轉化為結構化的SQL查詢語句。但值得注意的是，在以人工智能驅動的商業智能（AI-drivenBusinessIntelligence,ABI）應用落地過程中，其產品能力很大程度取決于AI能力，特別是大語言模型（LLM）的性能表現——能夠在具備模型能力的同時查詢到準確的數據成為ABI產品落地的關鍵與難題。LLM之外，ABI產品還需要確保數據查詢的準確性與其它LLM應用相比，ABI產品在“準確率”方面有著更為嚴格的要求，數據是指引決策的核心依據，正確的結果是ABI產品的及格線。這就要求了面向企業用戶的ABI產品需要有完善的機制，既要充分利用LLM的強大能力，又能有效規避其潛在的不可控因素，以確保提供的結果準確性。理想的ABI產品應具備以下三個特點：靈活的對話框架是保障ABI產品提供服務質量的關鍵要素。圍繞數據查詢、數據分析兩個核心場景，通過對話框架進行適配，能夠使得AI更好地理解用戶的問題。這也進一步要求ABI產品同時具備多輪對話的記憶能力和上下文的理解能力，并且能夠處理多樣化的用戶輸入，包括文本、語音等形式。完備的數據查詢能力是ABI產品能為用戶提供有效信息的基礎。該能力要求系統能夠快速、高效地訪問和處理海量結構化與非結構化數據，這不僅包括傳統數據庫中的信息，還涵蓋實時數據流、API接口等多種來源的數據。專業的數據分析能力使得ABI產品能為用戶提供有深度的見解。這包括對數據的深入分析、解讀、異常檢測等功能。此外，還要求系統能將復雜的分析結果，通過自然語言描述或數據可視化圖表等簡單、易懂的方式呈現給用戶。但在企業應用場景中，以大模型驅動的ABI產品仍面臨著數據結構復雜性、數據量規模以及非專業人員的查詢習慣的挑戰，能否成功應對這些挑戰，也是衡量ABI產品能否取得成功的關鍵因素。數據結構復雜度的挑戰。通常情況下，企業業務具備一定的復雜性，這使得其業務數據表結構的復雜度大大提升，通常包含大量的表、字段、外鍵、索引和視圖等。如何正確理解這些表之間的關系以及正確建立連接是一項很大的挑戰。數據量規模的挑戰。數據量的大規模增加會帶來SQL查詢性能的下降。而生成正確的SQL語句不僅要求語法正確，還需要考慮查詢的性能和效率。錯誤的SQL語句可能導致長時間的查詢或系統崩潰。非專業人員查數習慣的挑戰。ABI產品賦予了用戶通過“對話形式直接查詢數據”的能力，這種創新的交互方式一方面帶來了用戶數量的增加，另一方面也需要面對“業務用戶的非專業需求表達”的挑戰。非專業人員可能無法明確地表述他們的查詢需求，或者在表達中摻雜了個人業務習慣和模糊不清的描述。在過去，這些需求通常是由專業的業務分析師（BA）進行解讀和轉化。而隨著ABI的出現，它需要直面這一挑戰。上述挑戰表明，單純依賴LLM的能力，可能不足以全面解決企業所面臨的所有問題，還需要確保ABI產品能夠更精準地理解和響應業務場景的具體需求，提供更加全面和有效的解決方案。數據分析的目的是指導企業的業務發展。基于數據分析形成有價值的業務發展建議，一直是數據分析產生業務價值中最難且重要的一環。自然語言處理技術的進步使得AIAgent可以將復雜的分析結果轉換為易于理解的語言或圖表，幫助決策者迅速獲取關鍵信息。基于大語言模型的AIAgent能調用多樣化的信息源，在跨領域的分析師及業務專家的知識賦能下，結合當下業務策略和動作，通過預訓練和不斷的模型調優，提供綜合性的、更貼合業務、可行性更高的建議，真正實現數據驅動運營。因此，以AIAgent為交互框架主體，將LLM、BI與產品結合，是實現ABI產品高性能的關鍵。本文來源：36氪文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
08/16
數字化賦能，打造符合佛山特色的公共就業服務范本
佛山人社順應數字技術發展的時代趨勢，以數字人社為有力抓手推動人社事業高質量發展。平臺經濟、數字經濟大潮來臨，帶來了智能化、數字化、信息化的工作模式，在就業領域催生了一大批形態多樣、分工精細的新模式、新形態。給公共就業的方式提出了新的時代課題。可見的變化是，平臺經濟、數字經濟新生了一批新業態、新模式的新職業。據2022年9月出版的《中華人民共和國職業分類大典（2022年版）》，職業種類較2015版凈增158個，并首次標識了97個數字職業，占職業總數的6%。社會職業的變化一方面反映了科技創新、技術進步、產業升級的需求變化，另一方面也意味著，以數字經濟為首的產業升級新動力，催生著大量知識和技術密集型工作崗位誕生，勞動力資源正在產業中重新配置。隨著形勢變化帶來的就業信息不對稱、人崗匹配不精確，崗位難尋、人才難覓，是導致產業鏈、創新鏈、人才鏈難以深度融合的重要原因之一。在新就業形態下，一頭連著發展，一頭系著民生的人社工作，如何解決求職難與缺工同時并存的供需匹配難題是關鍵。譬如，如何加快就業供需信息系統互聯互通？如何改進職業指導方式，提供個性化、精準化就業指導？如何創新服務方式，加強線上線下融合服務？如何針對重點群體開展專項服務？……佛山市作為在2022年廣東省唯一入選全國公共就業服務能力提升示范項目的地市，佛山市人力資源和社會保障局（下稱“佛山人社”）面對時代的新需要，其以數智建設為牽引，構建了“智贏人社·樂業佛山”公共就業服務一體化平臺，以此打造數字人社的“佛山范本”。數字化發展為基礎，賦能公共就業服務在數字經濟時代，數據是基礎性資源，也是戰略性資源，數據已然成為驅動經濟社會發展的關鍵生產要素。佛山人社順應數字技術發展的時代趨勢，以數字人社為有力抓手推動人社事業高質量發展。據悉，早在2015年，佛山市緊抓成為國家信息惠民試點城市的機遇，針對“互聯網+”公共就業人才服務新模式積極開展探索，大力推動政府部門之間的數據共享，全面開放數據生態。其建立了較為完善的公共就業人才政策體系和覆蓋市、區、鎮（街）、村（居）的四級公共就業人才服務機構，形成自建的信息化系統12個，主要涉及就業業務、創業業務、勞動關系業務、人事業務，部署在自有機房以及市政務云上等。然而，各級系統眾多容易導致數據分散、質量不高、數據調用復雜、共享程度低等多方面痛點，讓數據價值難以被發掘。佛山人社便指出，舊系統還存在數字底座不扎實、求職招聘和職業技能提升匹配效率不高等多方面的瓶頸。底層數據不扎實、數據難以加以利用，是導致過去公共就業服務過程中，只能依靠人工手段實現供需匹配，效率相對較低，讓求職難與用工荒的結構性矛盾同時并存的重要因素之一。針對上述情況，佛山人社堅持以“數字人社”為綱，以數據賦能為抓手，以促就業、穩就業、擴就業為路徑，構建“就業直通車”“靈動佛山”“職業加油站”“羚創佛山”為主題的“智贏人社·樂業佛山”公共就業服務一體化平臺。為了有效利用沉淀數據、產出有價值的數據，佛山人社首先打造了公共就業服務一體化平臺的“就業大腦”——數字底座，以此作為其數字化轉型和業務發展的重要基石。該數字底座基于大數據、云計算、虛擬化等技術，提供靈活的計算和存儲資源，以便根據需求快速調整算法和分配資源，以實現人社“業務數據化、數據資產化、資產服務化”為目標，提供從數據采集到數據治理、資源管理、數據共享、數據賦能等全流程的數據構建及管理能力。數據顯示，目前，“就業大腦”已歸集人社、財政、公安、民政、市場監管、教育等12個部門共140億條數據，同步增長220%；歸集求職招聘、職業培訓需求、靈活用工需求、薪資水平、創業情況、社會保險等業務數據2億條數據，同步增長30%。平臺已全面實現省-市級數據互通共享，現已獲取上級回流數據130億條，同比增長230%，數據記錄共享率達81%，解決了數據分散、共享整合難、不兼容等問題，確保數據的完整性、準確性，時效性。新增52個API,同比增長25%，數據累計調用次數已達153萬次，同比增長40%。目前，佛山人社通過將數字化引入公共就業服務，已經初步實現分散在各部門的相關數據接通匯聚，并利用大數據分析，有效破解過去底數不清、趨勢不明、匹配不準等問題。并且，佛山人社還搭配覆蓋數據歸集、建模、治理、開發、安全、場景化、數據要素市場化等數據全生命周期的各個環節，完善的數字底座管理體系，既實現了人社數據的全面治理，又以符合本地特性的數智化能力，實現了數據感知業務、數據賦能業務、數據輔助決策三部曲，為公共就業服務提供個性化定制能力。緊貼就業特色，打造佛山范本以數字底座為基礎支撐對接、數據管理及分析應用，佛山全新升級了公共就業服務一體化平臺，并通過緊貼佛山公共就業特色，從數據治理、數據價值、數據安全等各個方面，全面提升數據賦能成效，提升公共服務能力。佛山市制造業大市，換言之也是用工大市，構建高效、和諧勞動關系對佛山顯得尤為重要。2023年，佛山GDP首破1.3萬億元，規上工業總產值突破3萬億元，正式成為全國第二個、廣東首個“工業3萬億元”地級市，擁有2個萬億級產業集群和8個千億級產業集群。據2024年春節前的專項調研，2024年，佛山企業招聘需求規模24.71萬人左右，其中預計春季招聘需求約為16.06萬人。從產業用工需求來看，第二產業占53%、第三產業占46.5%、第一產業占0.5%；從行業用工需求來看，制造業占最大比例，達51.4%，隨后科學研究和技術服務業、租賃和商務服務業等行業。從用工類型看，以普工、技能人員、專業技術人員為主，合計占70%左右。值得一提的是，佛山還是全國唯一的制造業轉型升級綜合改革試點城市，近年來持續推進工業技改，統計顯示，2023年，佛山工業技改投資達到891.52億元，增長33.7%。佛山的產業、人才現狀，意味著一方面存在較大的用工需求，另一方面隨著產業迭代升級，發展新質生產力，智能化、數字化程度不斷提高，對高層次人才、高技能人才的需求也在日益擴大。人社工作該如何賦能產業發展？佛山人社用全面升級的公共就業一體化平臺交出一份結合本地特色的“高分答卷”。該平臺創新“1+4+N”的人社信息化架構，通過1個數字底座，輻射就業創業、人事人才、社會保險、勞動關系四大業務板塊，賦能打造N個應用場景，如“就業大腦”“數字駕駛艙”“就業直通車”“職業加油站”“靈動佛山”“創業佛山”等。譬如，針對佛山制造業大市的特點，“就業直通車”板塊打造了線上線下一體化、智能化求職招聘平臺，提供精準的就業幫扶。平臺上線以來，已舉辦線上招聘會超70場，未來平臺將鼓勵約3000家企業發布招聘崗位12000個，為勞動者和企業暢通求職招聘渠道，提供更高效便捷的服務。同時，還為群眾技能提升提供平臺。在“職業加油站”板塊，不僅能在線學習職業指導課程，還可以進行職業技能培訓學習，提升就業能力。且該板塊還聚焦重點人群提供專項培訓。此外，針對因智能化、數字化和信息化發展帶來的新就業形態帶來的更多新需求，譬如創業、靈活用工等，佛山人社亦在平臺上建設專門的應用場景板塊。如為創業提供服務的“創業佛山”，以佛山創業孵化示范基地、佛山港澳青年創業孵化基地為核心，搭建精準高效創業孵化線上服務平臺，充分展現佛山市“1+5+N”創業孵化基地示范群優勢，全市孵化基地基本信息、優勢領域、運行效能、入駐創業團隊成績一網可見，設立創業導師“專家庫”，促進導師專業領域精準選配，為創業者提供優質創業導師服務，同時還有越來越多的融資機構進駐“創業佛山”，為創業者提供多渠道的融資服務，創業者還能在創業佛山平臺建立互動交流專區交流，實現創業團隊資訊共享，資源共享。為靈活用工提供服務的“靈動佛山”，構建零工市場服務平臺，支持企業成為雇主，樹立零工市場服務典型。以收集零工信息和企業對零工的用工需求為核心要素，從而實現零工供需雙方的精準對接。并通過構建網站、小程序、公眾號多渠道服務方式，拓展公眾號與服務群體的交互，來增強用戶體驗。佛山人社通過該平臺，一方面使數據要素市場化更加快速，革新公共數據使用模式，與企業探索公共就業服務領域用數辦事場景，建立安全可靠的用數模式，全量釋放公共數據價值，推動數據要素市場流通服務。另一方面，讓公共服務更加便捷。以數字賦能創新N個服務應用場景，實現公共就業服務提質增效，促進更充分的高質量就業，推進就業創業關鍵指標走在全國前列。下一步，佛山人社將繼續完善和拓展公共就業服務一體化平臺的功能，確保線上線下有效銜接、同步推進；持續優化數據采集和治理，提升數據價值，更精準賦能業務應用和輔助決策；加快推進國產化、集約化部署，運用創新技術，不斷推動新服務、新模式的發展，為勞動者和企業帶來更高效、更智能、更個性化的公共就業服務；打造更優的“佛山范本”。本文來源：36氪文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
-
24
08/10
AI大模型來了，低代碼還有機會嗎？
詛咒還是福音？AI大模型將如何影響低代碼平臺的發展。AI大模型的突飛猛進，不僅引領了技術的革新浪潮，也為各行各業的發展帶來了前所未有的挑戰與機遇。近年來，隨著人工智能技術的不斷進步，關于各行各業將被AI取代的論調此起彼伏，引發了許多從業者的不安。幾年前，我們還在以吃瓜群眾的身份圍觀因為輸給AI而幾度落淚的頂尖圍棋手。沒想到，轉眼之間，AI的的劍鋒便直指我們每個人眼前。AI大模型的突破，使得AI引發的職業危機感正向更廣泛的行業蔓延。在這一背景下，低代碼行業（嚴格來說，這一行業包含低代碼和無代碼兩種類型，本文統一用低代碼代替）也成為被唱衰最嚴重的行業之一。作為一個相對年輕的行業，低代碼自概念提出至今，尚處于發展與探索中。從技術創新到產品設計，再到商業模式的確立，低代碼行業正逐步展現出其獨特的價值與潛力。然而，就在這一行業開始展露鋒芒之際，AI大模型的崛起為其帶來了新的挑戰。低代碼行業的核心理念在于減少編碼工作量，通過圖形化界面、點擊配置和拖拽組件的方式，讓每個人都能成為“公民開發者”。而AI大模型提出了更為激進的設想：無需任何編碼，僅通過自然語言交互即可生成應用，使每個人都能成為開發者。這種看似對低代碼領域構成巨大沖擊的技術趨勢，無疑使得低代碼行業的從業者面臨著未知的未來。本文將探討低代碼行業的發展脈絡、其應用能力及關鍵技術，以及AI大模型與低代碼之間的關系。我們將深入分析AI大模型是否真有可能對低代碼行業造成顛覆性的影響，以及這一領域的未來走向。通過對這些關鍵問題的探討，本文旨在為讀者提供對低代碼技術發展趨勢的深度洞察，以及在AI大模型浪潮中尋找生存與發展的策略。低代碼，一個技術發展的歷史必然哪怕是一個完全的外行人士，僅從“低代碼”這個名字本身就能大致領略到其本質——大幅減少編程工作的需求。這一理念不是孤立出現的，它是人機交互演進多年的自然產物。自信息技術誕生伊始，如何讓機器更易于人類使用一直是技術發展的核心驅動力。在消費技術領域，我們見證了從紙帶編程到命令行界面，再到圖形用戶界面的轉變，每一步演進都旨在將復雜的底層代碼隱藏于用戶視線之外，僅展現符合人類直覺操作的界面。這些進步不僅使技術更加普及，也讓更多人享受到了技術進步帶來的益處。同樣的，產業端技術也沿著易用性和可訪問性不斷進步的軌跡向前發展著。盡管這些改進可能不為大眾所熟知，但它們同樣推動了技術在不同領域的深入應用。低代碼技術的雛形可以追溯到匯編語言、第四代編程語言以及可視化編程語言(VPL)和快速應用開發(RAD)模型等概念的演進。特別是在2001年，對象管理組織提出的模型驅動架構(MDA)和模型驅動軟件開發(MDSD)理念，標志著通過模型設計自動生成代碼的思想的誕生。這些理念預示著低代碼技術的方向——即通過高級抽象和自動化簡化編程過程。低代碼有很長一段自由發展期，期間缺乏完整定義，大家習慣根據自己的理解為新技術“添磚加瓦”，導致沒有統一認知，競爭賽道模糊。直至2014年，Forrester提出低代碼的定義，“利用很少或幾乎不需要寫代碼就可以快速開發應用，并可以快速配置和部署的一種技術和工具。”這一定義幫助界定了低代碼的范疇，為其發展提供了明確的方向。隨后，Gartner在2018年進一步推廣了應用平臺即服務(aPaaS)和集成平臺即服務(iPaaS)的概念，這兩種云計算服務模型為低代碼技術的應用提供了新的平臺和可能性。aPaaS讓開發者能夠在抽象化的環境中專注于應用程序的開發，而iPaaS則專注于不同應用程序之間的集成，簡化了數據和業相關研究機構的定義引導大眾形成了對低代碼的基本認知，規范了發展賽道，并指出其技術特點高度契合數字化轉型需求，迅速吸引了大量資本投入，極大地加強了低代碼的市場活躍度。低代碼技術的發展不僅是編程領域的一次重大進步，也是對人機交互和軟件開發理念的一次根本性轉變。通過降低編程難度和提高開發效率，低代碼為更廣泛的用戶群體打開了軟件創造的大門，加速了企業數字化轉型的進程。彼時，低代碼的美好前程在數字化浪潮的推動下，云計算、大數據、5G、物聯網和人工智能等新興IT技術日益成熟，為企業的架構優化、業務轉型和價值升級提供了有力的技術支撐。這些技術不僅強化了企業的核心競爭力，還創新了企業的業務模式，使其能快速拓展業務市場。然而，如何最大化釋放這些新IT技術的潛能，打破業務與開發之間的壁壘，提高業務應用的研發生產力，帶動業務模式的創新和價值提升，成為了各行業企業數字化轉型的戰略核心。低代碼技術的出現，為數字化轉型的快速推進帶來了轉機。通過降低應用開發的準入門檻，低代碼技術促進了新IT技術的深度融合，助力軟件開發的降本增效提質。它支持敏捷響應快速變化的市場需求，加速數字化時代能力的服務化，支撐海量數字化場景的快速落地。因此，低代碼不僅是賦能數字化轉型的“加速器”，也成為效能提升的突破點。隨著數字化場景落地需求的爆發式增長，根據“十四五”規劃和數字經濟戰略等政策指示，各行業企業紛紛落地數字化轉型設計方案。這些方案在軟件設計、研發、測試、發布、運維的全生命周期環境和各業務場景中提出了大量需求，要求企業具備更加靈活、敏捷和易用的應用開發能力。傳統開發技術因要求高、成本高和交付周期長，無法快速響應市場需求，導致開發工作積壓，業務轉型滯緩。低代碼作為提升應用研發生產力的關鍵性技術，激發了數據要素創新驅動的潛能，將數據資產快速轉換為價值，為數字化轉型帶來了一場技術性變革。在產品銷售和服務輸出兩種商業模式下，低代碼技術服務商主要通過三種方式服務客戶：直接面向企業或個人用戶提供產品或服務、通過合作伙伴服務客戶、通過聚合平臺生態進行產品輸出。這些方式不僅滿足了制造業、金融等產業用戶和軟件開發企業/專業技術人員等技術用戶的需求，還通過聚合平臺為用戶提供了更多元、差異化的產品與服務。低代碼市場在全球范圍內處于穩定增長態勢。從2018年的25億元增長到2020年的77億元，市場增速雖從2018年的132%逐漸穩定到2020年的40%左右。根據IDC《2022下半年中國低代碼與零代碼軟件市場跟蹤報告》顯示，2022年中國低代碼軟件市場規模達到26.2億元人民幣，同比增長24.2%。IDC預計2023年中國低代碼軟件市場規模將達到34.7億元人民幣，同比增長32.4%。預計到2027年市場規模將達到106.3億元人民幣，未來5年市場年復合增長率(CAGR)為32.3%。從企業發展態勢方面看，從2013年到2021年，全球共有百余家低代碼初創企業。2019年起，全球低代碼初創企業都出現并購整合趨勢，低代碼成為投資界的風口，持續吸引大型企業入局。目前，整個低代碼市場中，Mendix、OutSystems、Microsoft和ServiceNow等服務商占據穩定的市場份額，形成了高集中度的市場環境。低代碼的能力及技術支撐低代碼的主要作用是降低應用開發的準入門檻，賦能不同角色人員，讓開發者利用圖形化界面，通過拖拉拽操作，以“搭積木”的方式快速開發軟件應用，減少重復的基礎搭建工作。根據中國信息通信研究院低代碼·無代碼推進中心的研究，低代碼產品的核心能力可概括為以下五大方面：1、開發及管理能力：這一能力包括提供直觀的可視化開發環境和配置工具，管理開發過程及資源，并對開發產物進行生命周期管理。它支持從前端界面搭建到前后端交互、數據模型和業務邏輯配置的全棧開發流程，使應用快速構建成為可能。2、擴展與集成能力：這方面的能力體現在兩個層面：首先是擴展能力，即在可視化開發基礎上通過少量代碼實現對組件和功能的定制和擴展；其次是集成能力，指通過集成外部文件、工具、系統等資源，增強開發能力，滿足更廣泛的應用需求，并向外部賦能。3、用戶體驗：涉及低代碼產品的學習成本、易用性等方面，影響用戶體驗的因素多樣且難以量化。需從產品設計、操作教學、權限管理等多角度考量，以確保開發者在使用過程中的舒適度和滿意度。4、生態能力：包括支持多端響應、促進上下游連通、應用二次開發等，從而減少用戶更換低代碼產品的成本，增強產品生命力并擴大其服務范圍。5、安全保障：指為產品本身及用戶資產提供的全方位安全保護，包括防止數據泄露、設備安全、網絡入侵等，滿足國家網絡安全保障要求及應用特定的安全性需求。實現這些能力的關鍵，在于低代碼平臺所采用的一系列先進技術和設計原則：1、可視化設計工具：通過提供圖形化界面，允許用戶以拖拽和配置的方式設計應用程序的界面和邏輯，簡化了編程過程。2、預制組件和模板：低代碼平臺包含大量預制的界面組件和應用模板，加速了應用的基本結構和界面搭建。3、自動代碼生成和執行環境：平臺能夠根據用戶設計自動生成代碼，并提供應用運行、測試和部署的環境。4、集成開發環境（IDE）：支持可視化開發的同時，提供代碼編輯器、調試工具等傳統開發工具，滿足更細致的定制需求。5、數據集成和管理：強大的數據集成工具和數據建模工具，便于用戶連接到各種數據源并管理數據結構。6、業務流程管理（BPM）和工作流自動化：內置工具支持設計和實現業務流程，自動化復雜業務邏輯。通過上述技術和特性的綜合運用，低代碼平臺極大地簡化了軟件開發流程，為企業快速響應市場變化、降低開發成本并促進創新提供了有力的支撐。AI大模型會取代低代碼平臺嗎？生成式AI的興起正在對低代碼平臺造成顯著沖擊，這一現象在軟件開發領域引發了廣泛的討論。生成式AI的出現，特別是像OpenAI開發的GPT-4這樣的模型，能夠自主生成內容、代碼或數據，代表了人工智能的一個重大飛躍。這種能力不僅在內容生成、圖像創建，甚至是代碼生成方面找到了應用，還承諾通過自動化重復性任務、提升創造力和增強效率來變革現有的開發模式。GitHub的研究顯示，用戶接受其Copilot建議的代碼比例為30%，而且經驗較少的開發者在使用AI時具有更大的優勢。這使得一些人相信，生成式AI可能意味著低代碼平臺的終結。“低代碼在企業中正在消亡，AI將會終結它，”Crowdbotics的CEO兼創始人AnandKulkarni說。“最大的問題是，當你可以使用AI以相同的努力創建完整的代碼時，為什么還要使用低代碼呢？”當然，在生成式AI和低代碼的關系上，也有不同的聲音，他們認為生成式AI不僅不會取代低代碼平臺，反而會對低代碼的發展形成助力作用。Appian的聯合創始人兼CTOMichaelBeckley就認為：“AI助手使得輕松創建大量應用程序變得簡單，這只會增加對低代碼平臺的需求，以連接和管理所有應用程序，確保你不會創建數據孤島和安全問題。”SAP產品營銷副總裁SidMisra則認為低代碼與AI和移動技術的融合蘊含著無限潛力，他提到：“當與人工智能集成時，低代碼開發能夠實現快速原型設計和復雜解決方案開發，超越傳統限制。例如，在醫療保健領域，開發人員利用這些工具快速構建能夠顯著增強帕金森病診斷的應用程序，利用人工智能檢測模式，實現更準確、更快速的診斷。”AI大模型與低代碼平臺融合的趨勢從諸多科技大V的論述中，我們不難發現，低代碼平臺與生成式AI之間的關系，遠非媒體宣傳中所描述的那樣勢成水火。實際上，低代碼平臺作為一套成熟的產品和工具集，旨在簡化客戶的操作流程并直接滿足客戶需求。相比之下，生成式AI更體現為一種底層技術實力，有潛力被整合進低代碼微軟通過對2000名IT主管進行的調查顯示，有87%的首席信息官和IT專業人士認同，將AI和自動化技術融合入低代碼平臺將極大地釋放這些技術的潛力。正如微軟PowerPlatform的總經理RichardRiley所指出的，這種整合趨勢正在低代碼工具中日益顯現。生成式AI的引入，尤其是在加速開發流程方面的潛力，為低代碼平臺帶來了革命性的影響。通過自動生成常用功能的代碼，它使開發人員能夠將精力集中于應用程序的更復雜部分。對低代碼平臺而言，這意味著應用程序的開發速度將大大提升。盡管低代碼平臺已提供預構建的組件，但生成式AI能夠生成高度定制的代碼以滿足特定需求，確保應用程序能更貼合企業和用戶的獨特需求。此外，通過自動生成代碼，生成式AI減少了手工編碼過程中可能引入的錯誤和缺陷，從而產生更加干凈、易于維護的代碼庫，解決了快速應用開發過程中的一大顧慮。對于低代碼平臺的用戶來說，生成式AI成為了一個難得的“輔助者”，幫助將復雜的業務邏輯轉換為代碼，縮小了非技術用戶與開發人員之間的差距。隨著時間的推移，生成式AI通過持續的反饋和實際使用經驗不斷自我優化，意味著其生成的代碼將變得更加高效和精細，使得低代碼和無代碼用戶均能從中受益。具體而言，當生成式AI集成到低代碼平臺后，其可能發揮作用的方面為：1、代碼輔助：生成式AI能夠協助低代碼平臺的開發人員，根據用戶規格自動生成代碼片段，減輕手工編碼負擔。2、內容生成：生成式AI增強了低代碼平臺的內容生成能力，對于創建用戶友好的界面、報告和文檔至關重要。3、定制化：低代碼平臺的用戶可以利用生成式AI來定制預構建的模板和元素，使其應用程序更加滿足特定需求。4、快速原型設計：結合生成式AI與低代碼平臺可以實現快速原型設計，使用戶能夠更快速地可視化和迭代他們的軟件概念。寫在最后在看待技術之間的關系時，我們應認識到，技術本身并無立場或偏見，它們存在于一個客觀的空間中，作為等待被恰當應用以解決問題的中性工具。技術之間看上去的競爭或對抗，很多時候不過是我們自我設限的幻覺。展望未來，我們可以預見低代碼平臺和生成式AI技術的融合將逐步普及，也意味著軟件開發領域將迎來一次質的飛躍。這種整合不僅標志著技術的進步，更重要的是，它為技術專家和非技術用戶提供了一個共同參與開發過程的平臺，使得表達想法、偏好和需求變得前所未有的簡單。通過將生成式AI應用于低代碼開發，軟件的構建過程正在從繁瑣的代碼編輯轉變為更為直觀的對話形式。這不僅大幅降低了創新的門檻，而且還為更廣泛的用戶群體開辟了參與軟件創新的大門。隨著企業不斷探索和利用生成式AI與低代碼平臺的潛力，我們正步入一個新時代：在這個時代中，技術的流暢使用不再是由我們的編程能力，而是通過我們的溝通能力來定義。對于這一變革將如何深刻改變企業的日常運營，我們尚不能完全預測，但可以肯定的是，其影響將是深遠且持久的。在這個技術不斷演進、創新無處不在的時代，最終引領我們前行的，將是我們對技術潛力的理解和應用，以及我們愿意如何將這些工具融入我們的生活和工作之中。▋參考文獻《低代碼發展白皮書（2022年）》，企業數字化發展共建共享平臺《萬字長文|低代碼大模型的架構與CodeGPT的落地》，LowCode低碼時代《中國低代碼與零代碼市場追蹤報告》，IDC《HowgenerativeAIwillchangelow-codedevelopment》，InfoWorld《IsGenAIreplacingLowCode-Nocodeplatforms?》，Infosys《TheGrowingImpactofGenerativeAIonLow-Code/No-CodeDevelopment》，DevOpsnwen本文來源：36氪文章轉載于其他網絡，如有侵權請聯系我們及時刪除！
