据IDC预测,至2023年,全球2000家企业或组织中,70%将采用远程或混合办公优先的工作模式。鉴于该份调查结果在2021 年 11 月才刚刚发表,因此混合办公模式发展之迅速可见一斑。随着灵活多变的混合办公、随处办公(Work from Anywhere, WFA)模式成为新常态,越来越多的企业员工突破时空的边界,享受混合办公带来的便利和体验。IT设备在重构工作方式上发挥着核心作用,甚至帮助企业快速实现数字化转型,提供优质的工作体验,大大提升员工生产力,保障业务连续性需求。
试想一下,如果一位新员工从入职开始就远程办公,那么即便是向他提供一台笔记本电脑都会变得更加困难。而这只是IT部门尝试为混合办公场景提供有效支持所面临的众多挑战之一。
常见的IT问题迈入全新领域
全面采用混合办公模式,公司需要考虑多种场景,包括:
诚然,管理端到端设备对于 IT 部门来说并非新鲜事。然而当这些问题集中在成百、数千甚至数万名移动办公的员工和他们的IT资产上时,这个巨大的挑战可想而知。如果企业或组织将所有这些PC和移动设备存放在不同位置,问题将会进一步加剧。因此是否能成功管理这些需求将对企业的整体业务发展产生巨大影响。

抉择时刻
IT 部门在承担管理企业设备责任时通常面临三个挑战:
迄今为止,企业在设备生命周期管理方面还没有最优选。企业可能会采取 "一切照旧 "的方法,遵循现有流程,试图满足混合办公的需求。企业还可能选择外包多个服务供应商,作为内部工作流程的补充,让每个服务提供商负责处理设备生命周期的不同难题。

图1. 随处办公(WFA, work-from-anywhere)加剧了多厂商设备生命周期管理的挑战
Dell Lifecycle Hub,让企业进入设备管理新阶段
最理想的方法是由单一供应商提供完整的设备生命周期管理解决方案,而这在过去很难实现。因为一家高度专注于硬件的厂商,欠缺规模和范围化管理能力,很难提供设备生命周期管理所需的全面服务。而现在,戴尔用实际行动实现了这一设想,推出Dell Lifecycle Hub(戴尔生命周期中心)解决方案,成为目前首家提供完整设备生命周期管理服务的 OEM 供应商 。能否从技术上为员工提供高效的办公体验,是目前企业快速转向混合办公模式所面临的重大挑战之一。Dell Lifecycle Hub(戴尔生命周期中心)服务为设备全生命周期管理提供了端到端的解决方案,能够完美应对这一挑战。

图2. 戴尔生命周期中心(Dell Lifecycle Hub)提供了一个端到端的、多厂商设备全生命周期管理解决方案
通过退换货、维修、整机更换和翻新服务,Dell Lifecycle Hub可帮助员工保持工作效率并最大限度地利用设备库存。Dell Lifecycle Hub为大公司和企业组织提供了两个关键优势:一是极大地简化了企业或组织的终端设备组合管理,二是为员工提供优质的终端体验。
Dell Lifecycle Hub提供的服务包括:
Dell Lifecycle Hub整合了戴尔全球公认的、久经考验的业务能力,包括供应链管理、部署、支持、维修和IT库存管理。戴尔将这些优势加以整合,帮助IT部门无需与多个供应商合作即可完成设备管理。该解决方案优化了终端设备的使用,并为企业所有员工提供了即时工作(ready-to-work)的体验,同时将繁忙的IT部门从耗时的设备生命全周期管理的任务中解放出来。
Dell Lifecycle Hub还可以安全地管理企业拥有或租赁的、多厂商的终端用户设备。从设备进入企业的库存到负责任的报废处置,Dell Lifecycle Hub都会对所有设备进行全生命周期监管。
好文章,需要你的鼓励
周一AWS美东数据中心DNS故障导致数百万用户和上千家企业断网,Reddit、Snapchat、银行和游戏平台均受影响。专家认为这凸显了冗余备份的重要性,CIO需要根据业务关键性进行风险评估,优先保护核心系统。单一供应商策略仍可行,但需通过多区域部署分散风险,建立故障转移计划。金融、医疗等高风险行业需更高冗余级别。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。