至顶网服务器频道 05月25日 新闻消息(文/李祥敬):美国时间2017年5月23日,作为Citrix公司的年度盛会——Citrix Synergy 2017在美国奥兰多举行,以下是来自至顶网记者发自现场的独家报道。
Citrix Synergy 2017第二日的活动依然是精彩纷呈,2017 Citrix Innovation Award公布和纽约时报最佳畅销书作者Malcolm Gladwell在创新演讲环节进行了精彩的主题演讲。
Citrix Innovation Award表彰那些以新的战略方式思考IT的Citrix客户和合作伙伴——使用Citrix的技术重新设计IT,推动业务增长,创造新的工作方式,并以新的敏捷性进行竞争。
2017 Citrix Innovation Award的获奖者是SCL Health。
SCL Health总部位于科罗拉多州的布鲁姆菲尔德,是一家非营利性医疗保健机构,致力于改善人们的健康,特别是穷人和弱势群体。SCL Health每年提供超过2.22亿美元的社区福利。
SCL Health拥有150年的历史,其医疗卫生网络正在通过使用技术和消费者友好的设计来推动创新。SCL Health家庭保健服务通过其11家医院,210家医师诊所,提供全面,完善的护理、康复、精神保健等服务。
SCL Health通过使用虚拟化、网络和文件共享技术以推动创新和简化IT。 通过IT工具和创新,SCL Health革新工作,激发创意,提高生产力,并以新的方式为人们提供多样化的服务。
比如,SCL Health System将两个医疗保健系统(SCLHS)与Citrix技术关系管理服务(TRM)集成在一起,并于最近完成了使用Citrix XenApp将所有医院整合到Epic EMR的两年计划。
纽约时报最佳畅销书作者Malcolm Gladwell光临Citrix Synergy 2017,在创新演讲环节进行了精彩的主题演讲,探讨了AI与未来工作,技术与商业。
Malcolm Gladwell,1963年9月3日出生于英国,原籍加拿大,现居纽约市。1996年起为《纽约客》工作,是《纽约客》著名的撰稿人之一,社会学家、心理学家和畅销书作者。
Malcolm Gladwell善于从社会学和心理学角度切入,研究商业世界的各类问题,对商业战略决策、商业世界成功哲学等等命题有着非凡的见解,是欧美商界备受欢迎的新锐思想家之一。2005年,被《时代》杂志评为“全球最有影响力的100人”之一。
虽然目前为止Malcolm Gladwell仅仅出版了三部著作,但每一部都成为《Times(时代)》杂志畅销书排行榜第一的畅销书。
Malcolm Gladwell的《The Tipping Point(引爆点)》,2000年出版,被《福布斯》评选20世纪最有影响力的20本商业图书之一。高居《纽约时报》畅销书排行榜长达10个月,2005年度再度蝉联冠军。
另外,《Blink(瞬间)》(或译为《决断2秒间》、《灵光一闪》),2005年出版,被喻为“颠覆思维惯式,改变商业世界,领导力、决策学、营销学扛鼎之作!”。
《Outliers(异类)》(或译为《出类拔萃者》)是他最新推出的一本力作,出版于2008年,目前国内还没有中文版。
在Citrix Synergy 2017第三日的活动中,在创新演讲环节将迎来重磅人物——美国前国务卿鲍威尔,与现场观众分享网络安全的话题,敬请期待。至顶网记者将带来现场的第一手独家报道,敬请关注。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。