量子计算是未来计算领域的重要突破。尽管围绕它的宣传声势浩大,但我相信它有可能解决一些极其重要的问题。
从大幅缩短新药研发时间到创造更环保的能源,企业将拥有突破性发展的巨大机遇。
然而,这里存在一个重大问题:具备企业实现量子计算全部潜能所需技能的人才严重匮乏。
例如,英国国家量子战略就明确指出,这一技能缺口是量子计算要实现繁荣与安全面临的一项挑战。
那么,需要哪些技能?企业需要填补哪些岗位?为什么在实用的量子计算技术可能还需数年才能真正到来之时,领导者必须立即采取行动?
量子如何影响劳动力技能?
量子计算利用量子物理中令人难以置信的可能性,以远超传统计算机速度执行某些计算,这对企业具有深远的影响。
企业需要在量子硬件与软件、量子算法以及如何在量子能够处理的大规模数据下解析数据的科学领域中,吸纳相关专家。对于某些计算而言,这种速度可能比传统计算机快上数亿倍。
除了这些硬性技术技能外,医疗、医药、金融、物流与网络安全等多个领域的专家,也需要了解量子技术为他们带来的新可能性。
这并不意味着他们必须成为量子科学家。但人们必须对使用新一代量子工具与技术抱有信心。
在数据分析和模拟构建方面,应用量子计算的专业知识对那些涉及生物系统、气候模式及金融市场建模的企业来说,将至关重要。
企业高管和领导者也需要理解,量子计算的到来将如何影响他们所需的技能。市场上对领导岗位人才的需求将大幅提升,这些领导不仅需要了解量子所能实现的功能,还得能够营造有利于创新的企业文化,并将其应用于实现战略目标。
企业现在可以做些什么?
有些人(如 Nvidia CEO Jensen)认为,实用的量子计算技术可能还需很长时间才会成熟。然而,整个行业并不完全认同这一观点,因为相关研究与技能的投资在稳步增长,且实际应用案例也开始浮现。
在我看来,任何可能受量子计算影响的企业现在应采取几个重要措施。
首先,制定量子战略。这意味着评估其对所在行业的影响,并确定推动业务增长或改善成果的机遇。
其次,加大在教育与培训上的投入。这包括对现有员工进行技能提升,使他们理解量子技术带来的影响与机遇。可利用在线课程、内部培训或与教育机构合作的方式进行培训。Google, Microsoft 与 IBM 等公司均提供面向企业专业人士的相关课程。
此外,企业也不应忽视与专家建立联网与合作关系所带来的好处。确认行业内在量子技术应用方面的领军人物,建立合作伙伴关系,并考虑聘请外部顾问。
最后(就当前而言),要为营造一种鼓励全面、多学科量子探索的企业文化奠定基础,这其中包括今天我们所讨论的技能培养要素。意思是要鼓励每个人分享他们的工作经验和所学到的教训。
以上这些都是企业在“学习阶段”应该立即采取的步骤,以防错失未来机会。
现在就应对技能挑战,为量子时代做好准备
世界经济论坛今年的一份报告发现,大多数组织对于量子驱动的未来准备严重不足。
那些等到技术普及之后才开始弥补技能缺口的企业,将使自己处于竞争对手的劣势之中。
我认为,将量子计算仅仅视为另一项新兴技术是一个错误的看法。
AI 依赖于庞大的计算能力,很多 AI 计算在量子硬件上可获得显著的加速。所以,将来可能会出现这样一个局面:处在 AI 前沿的竞争,也必然需要拥有量子领域的专业知识。
如果没有能力培养和吸引合适的人才,也缺乏他们发挥作用的框架,企业必然会错失机遇。而那些了解未来趋势,并现在就开始建立正确的技能体系和培训计划的企业,将迎来成功。
好文章,需要你的鼓励
微软宣布为Word和Excel推出基于OpenAI的AI代理模式,通过简单提示即可自动生成文档和分析数据。Word用户可享受"氛围写作"功能,利用现有文档组装报告和提案。Excel代理能分析电子表格数据并生成可视化报告。尽管在SpreadsheetBench基准测试中准确率仅为57.2%,低于人类平均水平71.3%,但微软强调其针对实际工作场景优化。此外,微软还发布了基于Anthropic的Office代理,显示其正逐步减少对OpenAI的依赖。
POSTECH研究团队开发出VideoFrom3D框架,能够仅凭粗糙3D模型、摄像机轨迹和参考图片生成高质量场景视频。该方法巧妙结合图像和视频扩散模型优势,通过稀疏锚点生成和几何引导插值两个模块,实现了传统3D制作流程的革命性简化。实验证明该方法在多种复杂场景下表现优异,为3D内容创作提供了更高效的解决方案。
OpenAI为美国ChatGPT用户推出"即时结账"功能,用户可在对话中直接购买Etsy和Shopify商品,无需跳转至外部网站。该功能支持Apple Pay、Google Pay等多种支付方式,并计划接入超过100万家Shopify商户。OpenAI还将开源其代理商务协议技术,与谷歌的代理支付协议形成竞争。这标志着电商购物模式的重大转变,AI聊天机器人可能重塑在线零售发现和支付生态系统。
Meta超级智能实验室开发了ARE平台和Gaia2基准测试,为AI智能体创造了更真实的训练和评估环境。ARE支持异步交互,模拟真实世界的复杂性和不确定性。Gaia2包含1120个场景,评估AI的七项核心能力。实验显示最强模型成功率仅42%,特别在时间管理和处理歧义方面表现较差,揭示了当前AI技术的局限性和改进方向。