2020年,疫情的原因,让大家喜欢把不确定挂在嘴边。其实不管是生物发展还是人类历史,时间拉长来看,“不确定”才是常态,“确定”才是非常态。
奥地利著名物理学家薛定谔根据量子力学中微观粒子运动状态总结认为“自然万物都是趋向于从有序到无序。”按照薛定谔的发现理论,对于自然万物而言,要抵抗“无序”,就需要注入能量;对于社会发展而言,要抵抗“不确定”,同样需要注入能量。
今天社会经济的发展主要是数字经济在驱动,要促进数字经济发展,核心就是要注入数字能量,来不断解决其中的不确定。大家知道,要促进物理世界的进步,不管是石油、煤炭等资源,其能量总归有耗尽的时候,所以其能量是有限的。但是对于数字经济而言,数据的产生是无限的,基于数据的驱动力目前来看可以说是取之不尽用之不竭的。
数据成为“不确定”常态中的定海神针
所以如何利用好数据,让数据成为社会发展洪流中不确定中的确定因素,成为企业发展的重要推动力。
当电商头部企业还在盯着京东和拼多多的时候,谁能想到颠覆电商行业的是抖音、快手等视频流选手。
我们不能确定电商发展趋势,但是我们能确定的是大家对于数据流的通路需求越来越大。
我们不能确定3G、4G、5G还是十年后的6G,引领这些技术的公司是谁,但是能确定的是大家对于低时延、高带宽、多链接的需求是明确的。
我们不能确定未来AI发展会不会替代人类,但是我们能确定的是驱动AI需要海量的数据,海量的算力和海量的链接。
只有开放创新,才能无限注入数据能量
我们将处于“不确定”的螺旋式发展的进程中,而只有不断注入能量才能让我们暂时的获得片刻安然。同样面对不确定的数字经济发展趋势和不确定的技术创新趋势,如何才能把无限的数据去动驱动数字经济的发展,唯有开放,唯有创新,才释放海量数据的能量,让数据流动,让能量释放。
人类现在区区不到百亿,其能量有限。而万物互联造成的数据的增长就像宇宙一样无穷尽,其产生的能量也将是无穷尽。我们要炸开万物互联的数据,让数千亿的设备链接,让数千亿的边缘设备释放算力,同时数千亿的数据海洋来激活生产力。只有无限的能量注入,才能再次给整个社会的注入发展的条件。
疫情时期,拥抱科技企业受到不确定影响小
对于企业来讲,就需要不断地利用创新技术来进行自我重塑。来保证企业在不确定的环境下首先能生存下来。疫情爆发几个月以来,根据某权威分析机构的研究:在行业属性和主营业务一致的情况下,信息系统覆盖面广、自动化程度高的企业受到的影响小,数字化转型成熟度高的企业受到的影响小,线上业务占比高的企业受到的影响小,业务覆盖区域广、远程协同强的企业受到的影响小,风险忧患意识强并有预案的企业受到的影响小。
2020年的种种趋势,让我们再也无法预测下一秒要发生什么事情,但是回看过去,历史或许不能带给我们什么启示,但是能带来无尽的感叹。有想把新技术藏着掖着的柯达被数据相机摧枯拉朽的干掉,到如日中天的诺基亚手机对新系统不屑一顾的轰然倒塌。无不说明技术创新很重要,但能否把握住才是根本。当你不确定是否要拥抱技术创新的时候,疫情给你上了一课。当你还没意识到数字化战略的重要性的时候,必将会被时代淘汰。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。