近日,CA Technologies委托的全球调查报告《科技洞察报告:企业移动化——应用为王》显示,与亚太及日本地区的其他国家相比,中国企业对移动化措施的安全性和隐私性持的担忧更高。
该报告调查了全球范围内1300名高级IT决策者。调查结果显示:49%的中国公司十分关注安全性和隐私性,并且普遍认为这是一个亟待解决的问题。相比而言,亚太及日本地区和美国的相关数据分别为30%和28%。事实上,2/3的中国企业正在部署企业移动化战略,以提升移动设备获取数据和应用的安全性,这一比例在亚太地区中最高。
虽然存在对安全和隐私的顾虑,中国企业对移动化战略的推进速度仍然高于除美国以外的其他国家,95%的被调查者已经部署、或在一年内有计划部署企业移动化战略。印度企业的这一比例为85%,日本为49%,新加坡为60%。
调查显示,成功的企业移动化不仅应支持自带设备(BYOD),还需要制定相应的战略,在客户服务、IT和员工需求之间寻求平衡。
调查报告还显示,在中国企业的“IT优先等级表”中,针对外部客户需求的移动部署逐渐优先于内部BYOD项目。这意味着面向客户的移动化措施对企业至关重要,应当受到和内部项目同等的重视。面向客户的措施能更好地满足客户需求,从整体上提高客户体验和满意度。
中国企业从移动化战略中所预见的利益主要集中在客户方面,而不是企业自身。100%的调查对象已经看到或期待看到客户满意度的增加,例如:更多的客户使用公司的软件或服务,加快新应用和服务的上市时间,面向客户的移动应用的收益增长。
已经成功采用移动化措施的中国企业在提高收入、缩短产品上市时间、提升竞争力、改善客户体验、提高员工生产力和降低成本等方面均提高了12到18个百分点。
CA Technologies中国区总经理孙志伟表示:“首席信息官正面临着技术快速变化和发展带来的巨大压力。移动化提升了内部用户系统和面向客户系统的复杂性。移动安全至关重要。如果企业不采用有效、集成的移动设备管理技术,移动设备很快就会被淘汰。没有制定移动化战略的企业将面临许多潜在风险,例如:不遵守重要法规、无意中泄漏企业信息、或由于糟糕的移动应用购物体验对品牌声誉造成负面影响等。”
该研究的关键结果包括:
•客户为王:除了需要增强安全性,中国企业移动化措施的主要推动力是提升终端用户的综合体验(43%)和增加客户使用移动设备的需求(41%)。
•IT应更加主动,而不是被动:BYOD是应员工的需求而出现的。现在,移动应用的出现又为驱动新业务措施提供了新机遇:中国企业的IT支出在移动化方面将在未来三年内增长1/3;IT部门以外的移动化支出将在未来三年也会增长1/3,这表明IT部门不仅需要为更多的移动化工作做准备,同时也需要为跨部门移动化项目做准备。
•移动化改变了业务运营方式:中国企业需要随着移动设备的增加而做出相应改变:8%的调查对象计划重新调整预算,将更多资金用于移动化举措;47%的调查对象已经调整了其安全战略和政策。
孙志伟表示:“CATechnologies正致力于填补如今移动管理中的空白,并起到了良好的带头作用。这份报告彰显了我们在移动化和其他先进技术上的重要投资。很明显,现有的移动化管理系统还没有满足IT的需求。”
在CA Technologies的赞助之下,Vanson Bourne在2013年5月到7月期间,对21个国家的来自金融服务、医疗卫生、制造业、公共事务以及通信领域的1300名高级IT决策者进行调查。亚太及日本地区的受访者来自澳大利亚、中国、印度、日本、新加坡和韩国,涵盖IT经理人、管理者、项目负责人、企业架构师,他们所在的企业创造出超过1亿美金的收入。访问这里获取更多信息或下载白皮书。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。