短短几年的时间,物联网(IoT)已经彻底改变了众多企业的业务发展模式。据麦肯锡预估,到2025年,IoT应用市场每年将高达11万亿美元 。
每天的每一分钟,IoT设备——从智能手机到设备传感器,到零售商店的“智能”货架——所产生的有价值的数据蜂拥至我们的服务器中,经过提取、存储和分析,最终成为战略资产。几乎可以听到管理层胜利的欢呼,因为他们看着源源不断的实时数据流入,想想着“凭借这些数据和这些洞察,我们的竞争对手不可能有机会了。”
但这里的问题是:太多的组织对这些数据无所作为。是的,智能设备收集的数据本身是强大的,但与整体分析基础架构集成在一起更为困难。企业真正需要的是一个能够利用其物联网数据强大功能的综合分析策略,而不仅仅是“IoT数据战略”。
整合行动:案例研究
我们来看一个例子。某公司为了监控餐厅设备,已经安装了智能传感器来跟踪客户的冰箱、烤箱和其他厨房设备。在评估其客户设备的性能时,该公司注意到,一些餐厅的制冰机超乎预期地过早出现问题。
当仅查看其物联网数据——包括压缩机温度、每天制冰量和使用量、运行时间,根本无法找出问题的根源。只有将眼光放到IoT网络以外,才发现失败的根本所在:在烘烤面包时,酵母残留在了制冰机的压缩机线圈上。只有从更大的视角观察问题时,才最终确定了问题的根源。
从“为什么”开始
在组织开始制定其物联网数据战略之前,一个至关重要的问题是,“为什么”。通过使用这些物联网数据来实现哪些目标? 是否逐案提供更好的客户服务? 还是改善整体品牌体验? 为了回答这个问题,我们需要遵守整体业务策略。
回到案例中的这家餐厅设备公司,其目标可能是将自己的品牌打造成工业厨房设备的首要供应商,提供零故障承诺。为了实现这一目标,需要进行预测分析——不仅要分辨出设备是否有潜在的故障危险,而且要启动关闭循环过程,以确保在事态发展中处于主动地位。
例如,如果一台设备在未来三个月内有25%的失败机会,则该操作项目可能与服务经理联系,并建议他安排提前维修。 如果失败的机会接近90%,可以自动安排服务。这是服务经理所做的,无论如何,节省了他拿起电话的麻烦。
建立良好循环
与涉及技术的所有决策一样,我们利用我们的物联网数据的过程必须从我们的使命开始,以提供更大的业务价值。
我们需要以与类似产品发布的方式处理物联网数据。现在,我已经参与了足够的产品发布,了解到如果以技术为起点,产品应该注意什么。技术是让我们实现业务目标的方式,从来不是我们正在瞄准的目标。 这意味着需要建立IT部门以外的团队,并引进了解客户的团队成员。
这意味着将客户的需求和整体业务目标成为每个决策的前提。这意味着需要通过评估结果,以确保物联网数据继续符合公司的愿景。如果我们能够做到这一点,我们将很好地实现一个战略,利用物联网数据的力量来改变我们的组织。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。