Splunk中国区总经理,严立忠
随着越来越多的企业计划扩大现有数据规模,物联网必定是他们下一步的选择。一些成功整合了IT、运营和业务数据的企业,现在正在设法获取物联网数据并使之与现有的基础设施关联起来。只有这样做,物联网、数据、IT才能充分发挥作用,为企业服务。
物联网在快速发展的同时也带来了安全风险。越来越多的“联网物体”让日常生活更加美好,然而在推动创新的同时,也让自己进入了安全雷区。
我们日常生活和经济活动的方方面面,与其他人、流程和企业的联系越来越紧密,网络安全风险将呈指数级增长。每一个“联网的物体”都为个人信息、企业信息和公共安全打开了新大门。通过这些大门,个人和企业将自己的新弱点都暴露给了黑客。在未来,我们发现攻击可以来自公共网络,还可以来自智能手机和智能家居等私人设备。因此,虽然物联网变革振奋人心,但在2018年,消费者和企业将不得不开始权衡利弊。这对于那些泄露事件会导致消费者产生严重不信任的企业而言尤为重要。Gartner预测,到2020年,25%以上已识别的攻击事件将涉及物联网——尽管物联网预算在IT安全预算中不足10%。这将促使企业去重新思考。
物联网带来的最大价值是能够解决复杂的物流、制造和公共部门问题。这意味着有些行业会比其他行业更快地得到切实的好处:
云计算支持实现灵活的业务新模式,使得中小企业更容易采用物联网。对于大企业,云投资有利于协调全局数据集成。例如,AWS物联网可以作为分散在各处的设备、资产和传感器的中心平台。将这些与安全和数据获取结合起来,云将有助于物联网的成功。
数字化转型举措,特别是围绕客户体验的举措,将加速物联网的扩展。建设技术基础设施相对容易,面临的挑战是实施影响业务健康的数据驱动型决策。传统上,企业在基础设施上投入大量资金,然后开展IT和安全数据驱动的应用。刚刚开始整合物联网数据的企业会提出这些问题——怎样创新;怎样利用现有的新信息来提高收益,实现更好的客户体验?
机器学习和人工智能为物联网带来了巨大的发展机遇。传感器设备的日益商品化和规模化将推动智能产业的新浪潮,对现有产业产生重大影响。能够预测机器什么时候需要修理,自我优化生产和需求响应便是这方面的几个应用实例。
随着现有网络基础设施将被用于“连接物体”,当企业寻找新方法来挖掘智能设备生成的大量数据时,会进一步加大对分析技术的投资。工业资产管理、运输车队管理、库存管理和政府安全将是2018年物联网发展最热门的领域。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。