IDC最近发布了一份关于亚太地区人工智能(AI)和认知计算的应用报告,题为“IDC PeerScape:亚太(不包括日本)医疗行业的认知/AI实践”,其中列出了亚太区医疗机构采用AI/认知计算的最佳实践。IDC相信,医疗保健市场(包括医院、生命科学/医疗器械/医疗保险公司)将成为最早接受该技术并采取行动的重要市场。
IDC亚太医疗研究经理Ashwin Moduga表示:“医院将不仅利用AI/认知来实现自动化或者精确性。实施该技术的目标是弥补该季度医疗专家的紧缺。新型解决方案已经在帮助医院利用深度学习改善医疗图像诊断,并以最少的人力投资进行大规模诊断工作。未来10年,AI/认知解决方案将着眼于加强决策,为临床医生提供验证临床决策的信心——帮助改善疾病的应对。”
“在未来2-3年,医院将经过试验简单自动化的阶段,开始投资那些能够从不断增长的、来自个人和医院医疗信息管理系统的非结构化数据中获得可行洞察力的深度算法。”
让来自业务线和最终用户(医师和护理人员)等利益相关者参与其中,实施这些项目的重点是医院的需求——私人卫生部门投资特定的临床据测支持系统,用于像肿瘤学和神经学这样的疾病,同时较小型的、公有的医疗系统探索与数据输入自动化和患者参与相关的领域。
“虽然这个地区大多数的医院——除了大型私人诊所——仍然在评估规模解决方案,但重要的是为选定的个别流程开始内部实施。对很多医院来说,这些内部项目最终可以改变关键流程利益相关者的想法、项目范围以及展示未来大型投资的ROI,”IDC人工智能与认知计算高级研究经理Jessie Cai这样表示。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
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%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
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。