在数字化转型快速发展的浪潮中,AutoTrader 的技术团队正在推动公司前进,而一位技术爱好者正坐在公司的驾驶座上。
这家如今已成为汽车买卖数字交易平台的公司于 2013 年发行了最后一期杂志。目前,该公司正在深入研究最新技术,以改善其汽车行业客户的业务,并为最终用户提供更便捷的服务。
CEO Nathan Coe 是一位 IT 爱好者,他在 2000 年代初期互联网"真正开始起飞"时期从事并购工作。
他在接受 Computer Weekly 采访时表示:"我可以说是在互联网和技术企业中成长起来的。我虽然从事公司收购和出售工作,但我真正喜欢的是创造东西,所以我很快就投身技术领域,并在 AutoTrader 负责产品和技术工作多年。"
虽然 AutoTrader 早在 1995 年就建立了网站,但当 Coe 在 2000 年代初加入时,公司约 60% 的收入仍来自杂志。2007 年,在投资者的支持下,公司决定转型为数字化企业。Coe 说:"我们的转型步伐比预期更为激进。"公司于 2013 年发行最后一期杂志,彻底转型为纯数字化企业。
分阶段转型
数字化转型是逐步实现的。随着时间推移,公司先后开展了移动业务、数据业务,现在还为行业内其他组织提供业务运营平台。
Coe 表示,这些发展共同构成了数字化业务。"这些并非按顺序进行的步骤,它们是同时并存的。我们仍然是一家网络公司、数据公司、移动业务公司,并且还在不断添加和增强功能,"他说。
在所有这些项目和计划背后,是一支庞大的技术团队,目前占公司 1,200 名员工总数的三分之一。技术团队包括工程师、设计师、产品专家和数据科学家。
这是一个要求极高且充满活力的工作环境。AutoTrader 网站每天接待约 160 万访客,用户每月在网站上花费总计 5 亿分钟。
Coe 说:"这些数字不是为了炫耀。我们平台上有 30,000 家零售商,网站上有约 440,000 辆汽车,与大多数电商网站的产品不同,这些车辆每天都在变化,而且都是独特的。"
这对 IT 团队来说是一个挑战,他们每周要进行超过 1,000 次软件发布,使用敏捷开发技术。
"我们很早就采用了敏捷开发,大约 10 年前就开始了。现在我们实施持续交付和持续集成,"Coe 说。"我们有一组工程师专注于基础设施。这意味着我们可以快速可靠地调整和开发软件。更重要的是,我们可以快速响应并做出许多小的改变,这降低了发布风险并提高了创新速度。"
协作文化
在如今这个时代,对技术依赖度如此之高的公司不使用 IT 外包供应商是很罕见的。但据 Coe 说,这恰恰是公司不使用它们的原因。
"我们在技术和实施方面有非常严格的原则。其中一个原则是,因为我们做的就是技术,所以我们希望 AutoTrader 的全职员工来负责。他们认同我们的文化和价值观,会长期留在这里工作,而不是仅仅为了某个项目,"他说。
"我们完全不使用任何外包供应商。我们的英国员工更多时间在办公室工作,而不是在外面,这是一个高度协作的面对面工作环境。"
该组织的技术团队主要位于曼彻斯特,1,200 名员工中约有 750 人在那里工作。公司在伦敦也设有办事处。
Coe 说,AutoTrader 的 IT 招聘主要集中在寻找职业生涯早期的员工。"我们提供很好的薪资,但我们不想仅仅说'我们给的钱最多所以来 AutoTrader 工作',因为我们的价值主张远不止于此,"他说。
分散行业的平台化
AutoTrader 还希望其零售客户和其他合作伙伴能从其 IT 团队的成果中受益。公司接收大量来自使用其平台运营业务的组织的应用程序接口 (API) 请求。这些组织包括汽车维修厂、贷款机构、零售商和保险公司。
据 Coe 说,AutoTrader 最大的 IT 项目可能是所谓的"数字零售",即通过其平台为汽车交易行业的小型组织提供访问最新技术的机会。
"我们现在允许其他人使用我们为运营 AutoTrader 而建立的所有技术来运营他们的业务,"Coe 说。
他说这是公司目前的"重要目标"之一。"现在我们在说,'实际上,你应该能在 AutoTrader 这个你信任的品牌上做更多的交易。'"
Coe 说,许多行业客户都是小型企业,没有大的技术部门。"这不是我们对销售汽车感兴趣,而是让我们的零售商能够获得全渠道销售的所有优势,"Coe 补充道。
AI 的完美问题
当公司为客户寻找解决方案时,也在为人工智能创造需要解决的问题。
AutoTrader 目前正在进行多个 AI 项目,据 Coe 说,这是当今最受关注技术的良好测试场。他说,网站上有 44 万辆经常变化的汽车,这是 AI 要解决的"完美问题"。
"我们的产品都是独特的,所以你需要使用模型来分解数据并重建,比如为产品估值并告诉卖家需要多长时间才能售出,"Coe 说。
但他说,虽然现在从大企业到学校都在谈论 AI,但它有不同的变体,其中许多还没有做好商业应用的准备。"我认为有必要稍微回顾一下,因为对很多人来说,AI 往往意味着插入 ChatGPT 来写邮件,我们认为这可能很有趣,但并不是特别智能的 AI 使用方式。"
AutoTrader 的 IT 团队目前正在进行三个利用 AI 技术的独立项目,但这对公司来说并不是新鲜事。
"在过去 10 年里,我们一直在发展数据和数据科学能力,使我们能够在零售商方面提供高度可扩展、高性能的 AI 驱动建议,"Coe 说。
"我们多年来一直在使用 AI,主要是机器学习,这样做是因为所有这些车辆都是不同的,人们想知道它们的价值。汽车经销商想了解车辆的情况,是什么让它们与众不同,以及它们能多快售出。"
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。