Kyndryl公司发布的第二份年度准备状况报告显示,相比12个月前,地缘政治压力在IT决策中变得更加重要。
这项调查覆盖了包括英国在内的21个国家的3700名高级领导者。结果显示,83%的受访者认为新兴的数据主权和数据回流法规正在影响IT决策,82%的受访者认为不断升级的地缘政治不稳定和紧张局势影响了他们的IT决策。
Kyndryl表示,地缘政治压力正在推动数据策略转变。尽管云采用带来了明显好处,但在监管环境日益分化的背景下,企业现在正在重新评估数据的存储、处理、访问和安全方式。
四分之三(75%)的受访者认为,他们的组织越来越担心在全球云环境中存储和管理数据所带来的地缘政治风险。事实上,86%的受访者认为云服务提供商的原产国和监管对齐正成为云评估过程中越来越重要的因素。企业还在平衡传统基础设施挑战,70%的首席执行官表示他们的云设置是意外形成的,而非精心设计的结果。
从英国的数据来看,Kyndryl报告称80%的英国领导者担心全球数据存储和管理的地缘政治风险,这一比例高于75%的全球平均水平。这导致68%的英国受访者改变了他们的云战略。
总体而言,近三分之一(65%)的受访者认为他们的首席执行官和首席财务官在技术投资的长期价值方面缺乏一致性。近四分之三(74%)的受访者表示,展示短期投资回报的压力损害了长期创新目标。
调查发现,63%的受访组织表示迁移到云端的成本超出了预期。Kyndryl的调查还报告称,62%的组织早期在云端投入巨资,但后来不得不将一些工作负载迁回本地部署。超过一半(56%)的受访组织表示,他们在从未正确停用的环境中拥有无法访问的数据。
Kyndryl还报告称,几乎所有受访公司(95%)都表示,如果有机会,他们会改变组织实施云战略的方式。当被问及如何改变云实施时,首要任务是更加关注安全性和合规性,其次是更好地理解集成复杂性。
事实上,83%的英国企业在过去一年中经历了与网络安全相关的中断,使得网络安全和IT基础设施升级成为两大风险缓解措施(各占43%)。
在受访组织对人工智能采用方面,Kyndryl报告称,尽管超过一半(54%)的组织表示他们看到了AI投资的积极回报——比2024年增加了12个百分点——但62%的组织仍未将其AI项目推进到试点阶段之外。
英国的数据显示,尽管84%的英国受访高管表示AI将在未来12个月内彻底改变角色和职责,但46%的人担心缺乏合适的技术技能来充分利用AI。
Kyndryl主席兼首席执行官Martin Schroeter表示:"随着企业努力实现AI带来的变革性价值承诺,存在着准备度差距。虽然90%的组织认为他们拥有扩展创新的工具和流程,但超过一半的组织受到技术堆栈的阻碍,不到三分之一的组织表示他们的员工真正为AI做好了准备。缩小这一差距是未来的挑战和机遇。"
Q&A
Q1:什么是数据主权问题?为什么企业如此关注?
A:数据主权是指国家对其境内数据拥有管辖权和控制权。调查显示83%的企业领导者认为数据主权法规正在影响IT决策,75%的组织担心在全球云环境中存储数据的地缘政治风险,这促使企业重新评估数据存储和管理策略。
Q2:企业云迁移遇到了哪些问题?
A:调查发现63%的组织云迁移成本超出预期,62%早期大量投资云服务的企业后来不得不将部分工作负载迁回本地,56%的组织在未正确停用的环境中拥有无法访问的数据,95%的企业表示如果重来会改变云实施方式。
Q3:英国企业在AI采用方面面临什么挑战?
A:虽然84%的英国高管认为AI将在未来12个月内彻底改变工作角色,但46%的人担心缺乏合适的技术技能来充分利用AI。全球范围内,62%的组织仍未将AI项目推进到试点阶段之外,存在明显的准备度差距。
好文章,需要你的鼓励
微软在年度Build开发者大会上一次性发布7款AI新模型,涵盖推理、编程、图像生成、语音及转录等多个领域。其中首款推理模型MAI-Thinking-1拥有350亿参数,基于商业授权数据训练,在盲测中击败Anthropic Sonnet 4.61;编程模型MAI-Code-1已上线Copilot与VS Code。微软还宣布与梅奥诊所合作,共同开发医疗领域前沿AI模型。
香港中文大学联合华为提出UI-KOBE框架,通过预先构建手机应用知识图谱,让4B轻量级模型在手机GUI任务上超越多个更大规模模型,兼顾效率与隐私保护。
微软在Build 2026大会上宣布,其多模型智能安全扫描系统MDASH已从私有预览升级为扩展预览,并整合进企业级安全控制平台,连接Defender、GitHub Code Security、Agent 365及Purview。MDASH通过100余个专用AI代理协同运作,聚焦可利用漏洞的优先排序,有效降低安全告警噪声。该系统在CyberGym基准测试中得分已达96.55%,标志着AI漏洞发现正式进入企业级生产部署阶段。
这项研究提出LaRA框架,通过分析大型语言模型内部各层的几何结构变化,检测强化学习训练中的数据污染问题,比传统输出层检测方法更可靠。