微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 绝对热点:尴尬收购分拆与爆发 2014年IT十大变脸

绝对热点:尴尬收购分拆与爆发 2014年IT十大变脸

2014-12-30 16:18
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-12-30 16:18 CNET科技资讯网

值此2014年结束之际,《绝对热点》栏目邀请CBSi(中国)媒体总编刘克丽女士就2014年IT产业进行回顾。

嘉宾从以下10角度总结出2014年IT产业的十大变脸:

一、产业结构变脸:中国制造变成中国服务

表现在:

传统IT业后服务业转移从市值上来看,过去IT以传统制造业的产业正在变成以服务业为主体的产业,ABT的市值已超过了制造业,产业结构发生了变脸。

二、产业生态链变脸:无线生态云生态形成

表现在:

1、产生了很多的云计算服务、数据公司、无线互联公司相关公司;

2、爱迪生催生一切皆可智能的生态链。

三、公司规模变脸 :中国IT产值破2000美元

特别表现在:

1、 中国联想、华为公司规模的成长,联想(382亿美元)奔400亿美元年收入;

2、 华为434亿美元奔500亿美元年收入,一个世界终端第一大,一个网络世界第二大破800亿美元;

3、 加上ABT总收入近2000亿美元收入。

四、资本、流向变脸:从投互联网到互联应用

表现在:

1、 苹果今年股值破7000亿美元,比3年前番翻;

2、 资本流向从投资互联网到投资互联网应用产品及软件;

3、 以0racle用53亿美元并购Micros为最大并购。

五、公司结构管理的变脸

表现在:

1、 戴尔中国换将、大区合并;

2、 尤其是惠普公司10月9日分拆。

六、技术扩张的变脸

表现在:

1、 可穿带技术眼镜扩到手镯、筷子;

2、 从美国大公司扩张到中国;

3、 无线充电技术从大公司发起到中小专公司的介入 。

七、产品变脸变大:9英寸免费6英寸主流

表现在:

1、前端6英寸为主流没商量、苹果也低下高贵的头;

2、9英寸以下免除授权费

3、汽车是最大无线终端。

八、市场占有率变脸,中国终端市场世界第一、第三

表现在:

1、 手机市场联想进入前三甲市场占有率;

2、 私有云升级放缓;

3、 后台云计算用户市场占有率变大。

九、用户采购心理变

表现对国产产品从服务器、终端更正面的趋势。

十、就业、人才流变脸

表现在:

1、 微软15年工作的张亚勤离开去百度;

2、 在新浪工作了17年的陈彤去小米。

结束语

当然2014年IT业界不止10变脸,以上10个变脸只是代表。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-