我们已经拥有智能合约很长时间了。以太坊这个原创智能合约区块链已有十多年历史,但智能合约中的"智能"始终相当基础,仅停留在"如果这样,那么那样"的逻辑层面。
这种机制确实有效,在谨慎部署时也创造了大量价值。但长期以来,区块链世界中被称为"智能"的资产和合约,与人工智能系统日益加速的智能化水平相比,显得相形见绌。
在未来几年里,我们可以预期这两个生态系统都将持续成熟和加速发展,同时它们也将相互融合。其结果将开启一个真正智能化的合约、资产和数据时代。
让我们从正在商业世界快速普及的智能化开始谈起。我们越来越发现,AI系统缺乏护城河,其性能可以在更小的计算占用空间内随时间大幅改善。这对AI模型制造商来说可能不是好消息,但对其他所有人来说却是一大福音,因为这意味着我们可以将智能部署到商业生态系统最偏远的角落。
供应链运营是部署智能化能够显著提升性能的绝佳例子。从历史上看,零售店的大部分补货计划都是公式驱动的。当库存低于所需最低值时,就会下订单。这些公式控制着最小值、最大值和经济订购量。经验丰富的用户能够为重大促销和活动推送额外库存。这些都是基础操作,但扩展性很好,因为没有零售连锁店能够负担得起让库存分析师每周为每个地点的每个产品制定定制化预测和计划。
现在可以了。预报暴雪?多订购热巧克力。夏季热浪?多备冷饮。流感疫情消息?增加感冒药库存。本地供应商缺货?从其他店铺调货。现在对31000种商品每周都这样操作——这是美国杂货店平均库存商品数量。今天不可能,明天将成为常规操作。
普遍的智能化需要高质量数据,没有执行能力一切都毫无用处。区块链数据防篡改且全局同步的特性意味着我们可以基于可靠信息构建良好结果。链上智能合约可以被赋予权限,根据AI制定的市场计划自主补货。
自主商务意味着资产可以自主智能化,决定如何最大化其价值和投资回报。信息本身可以知道自己在哪里最有价值——并要求为访问付费。所有这些都可以大规模、低成本地执行。
这种未来的回报并不难理解:很少缺货的商店、不会堵塞的供应链,以及总能获得最优价格的合约。每一项都很有价值,结合起来能产生令人印象深刻的乘数效应。这不仅是避免缺货,还包括不在加急物流上花钱或进行库存清仓销售。以前在边际上损失的利润现在可以保留,而且无需提高价格。
实现这一未来既不快速也不容易。经济学研究表明,尽管新技术可以很快普及,但平均利用水平并不高深。罗伯特·索洛在1987年有句名言,他说在经济的各个角落都能看到计算机的证据,除了生产力统计数据。电力也发生了同样的情况。
大多数公司需要很长时间来吸收技术并实现自我转型。乔治梅森大学经济学教授泰勒·考恩类似地推测,就像早期的计算机和电力一样,人工智能的整体生产力起飞将相对缓慢,因为公司和个人需要时间来真正理解如何使用它。
然而,经济学家很少谈论的是,你不必成为普通人或普通公司。即使一些公司在努力吸收新技术时,先驱者仍有巨大优势可得。这也不是短暂的优势。电子商务、云计算、桌面操作系统和移动设备的早期领导者已经保持了数十年的市场领先地位。
普遍智能化和运营的时代即将到来,AI系统将创建智能资产、合约和数据,并在区块链网络上大规模执行。这可能需要数十年才能完全实现,但你可以选择是否成为先行者。
作为专业服务公司安永的全球区块链负责人,保罗·布罗迪负责推动区块链技术在咨询、审计和税务业务线的举措和投资,包括构建首个安永全球软件即服务平台Blockchain.EY.com。他还担任企业以太坊联盟主席,这是全球领先的企业区块链社区。
好文章,需要你的鼓励
惠普企业(HPE)发布搭载英伟达Blackwell架构GPU的新服务器,抢占AI技术需求激增市场。IDC预测,搭载GPU的服务器年增长率将达46.7%,占总市场价值近50%。2025年服务器市场预计增长39.9%至2839亿美元。英伟达向微软等大型云服务商大量供应Blackwell GPU,每周部署约7.2万块,可能影响HPE服务器交付时间。HPE在全球服务器市场占13%份额。受美国出口限制影响,国际客户可能面临额外限制。新服务器将于2025年9月2日开始全球发货。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
安全专业协会ISACA面向全球近20万名认证安全专业人员推出AI安全管理高级认证(AAISM)。研究显示61%的安全专业人员担心生成式AI被威胁行为者利用。该认证涵盖AI治理与项目管理、风险管理、技术与控制三个领域,帮助网络安全专业人员掌握AI安全实施、政策制定和风险管控。申请者需持有CISM或CISSP认证。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。