中国企业认为创新至关重要,但因复杂的数据基础架构而受到阻碍
36% 的受访者表示云计算让复杂性进一步加剧
2022年 5 月 10 日——中国企业普遍认为技术创新对于推动未来增长至关重要,但61%的企业表示复杂的数据基础架构阻碍了这一进程。
全球领先的现代通用数据库平台MongoDB近期发布《2022 MongoDB数据与创新报告》,该调查报告是一项针对亚太地区2,000余名(包括中国400余名)开发者、IT决策者等专业技术人士的详尽调研,展示了创新的重要性,以及阻碍创新的隐性负担。
创新是当务之急,但时间却没有被用在刀刃上
在中国,81%的受访者表示,数据处理是应用程序构建过程中最困难的环节,而在应用程序开发过程中面临的最大技术挑战则是处理不同格式的海量数据。
尽管高达92%的受访者认为定期构建新的应用程序和功能是企业获得长期成功的关键,但许多机构认为能真正用于创新的时间非常有限。受访的开发团队和IT决策者均表示,他们在现有数据、应用程序和基础设施维护方面所花费的时间(27%)与用于构建全新的增值功能或应用程序的时间(28%)基本相当。
调查指出,47%的受访者认为其组织机构的数据架构较为复杂,61%的受访者认为这种复杂性是制约创新的主要因素。受访企业表示,无法创新所导致的最严重后果将是成本上升,及无法从数据洞察获得竞争优势。
MongoDB公司首席技术官Mark Porter表示:“纵观所有处于创新前沿的公司,我们会发现,这些公司并没有将创新外包给第三方。相反,这些组织机构的管理层深谙软件构建的复杂性,所以更加愿意为自己的开发团队配备有效的解决方案,帮助他们提高效率。而我们的调查结果与从企业高管处获悉的信息是一致的。企业正因为使用复杂的遗留技术而让开发团队的工作受到影响。负责数字化转型项目的企业高管应该聚焦于如何尽快部署应用程序、更快地迭代,以及有效安排发布排期。”
对于多数企业而言,上云和数字化转型增加了复杂性
大多数机构(58%)认为数字化转型使其数据架构变得更加复杂。然而,在谈到上云时,一些公司显然有着不同的体验。45%的受访者表示,迁移到云端有助于简化其数据架构,而36%的受访者则表示,上云实际使其数据架构变得更加复杂。遗留数据基础设施被视为另一个创新制约因素,59%的受访者表示其阻碍了创新技术的发展。
随着对现代应用需求的日益增长,诸如搜索功能或移动应用程序等更多内容被陆续添加,这会导致整体构架随之臃肿。例如,31%的企业称其数据库数量多达10个以上。这意味着,开发人员需要花时间维护不同的多个数据模型、集成数据源、支持遗留系统及安全修复等方面。
MongoDB北亚区副总裁苏玉龙表示:“从调查中可以清楚地看出,并非所有企业都能享受到云带来的各种益处。许多机构只是将现有的基础架构迁移至云平台,再一步一步添加新服务,致使本地存在的问题在云平台上还是一样会存在。企业应该采取不同的方法。我们注意到,一些最具创新性的企业对应用平台进行战略性投资,从根本上改善四大关键领域,1)提高开发人员效率,2)优先考虑使用优质且可重复使用的架构,3)轻松实现数据安全与隐私保护,以及4)采用既具有部署灵活性又侧重于多云模式的方法。”
该调查结果还包括:
• 创新的首要任务是提高内部效率/生产力
• 造成数据复杂性的最大因素是开发新产品或新功能的压力
• 最大的技术挑战是处理不同格式的海量数据
如需获得报告全文,请点击下载: 2022 MongoDB 数据与创新报告
关于MongoDB
MongoDB是全球领先的现代通用数据库平台,旨在助力开发人员及其构建的应用程序释放软件和数据的力量来创造、转变和颠覆行业。MongoDB总部位于纽约,在全球100多个国家和地区拥有33,000多家客户。MongoDB数据库平台下载量已超过2.1亿次,MongoDB University全球注册用户累计已超过150万。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。