至顶网CIO与应用频道 03月20日 北京消息:人们很容易被区块链的美好前景和大肆宣传所误导,但现实是许多打着“区块链”旗号的解决方案往往缺失了区块链的重要组成部分——尤其是通证化和去中心化。首席信息官和商业领导们在分析评估区块链的成本效益时,这种“关于区块链的文过饰非”令他们产生极大的困惑。此外,这种认知不仅不全面,也未能如实反映区块链技术正不断演化的本质。
在三至五年内,目前区块链的许多核心技术问题都将会有解决方案。
在考虑部署区块链时,首席信息官急需一种模型,以帮助他们轻松并精确地将企业需求与合适的区块链解决方案或替代技术相匹配。
Gartner创建的区块链频谱(Blockchain Spectrum)可以审视区块链解决方案的阶段式演变,以及这一演变过程将如何与企业可实现的预期价值保持一致。
区块链频谱由四个基于产品及相关特征细分的原型构成,其中一些原型在未来若干年内都无法充分发展。每个阶段都存在机遇和风险,但首席信息官应开始对各个阶段进行一定程度的尝试。
区块链储备阶段(Blockchain-enabling)
相关技术为创建未来的区块链解决方案奠定了基础。这些组件也可用于非区块链解决方案的一部分,例如提升分布式数据管理系统的运行效率。构件包括加密(cryptography)、分布式计算(distributed computing)、对等网络(peer-to-peer networking)和消息传递(messaging)。
区块链创新阶段(Blockchain-inspired)
目前,大多数企业级区块链解决方案均属这一范畴,他们使用区块链使能阶段的组件来创建限定范围内的项目。他们用来对区块链计算体系原型的尝试——如:集中式公证(centralized notary)、分布式或复制数据存储(distributed or replicated data stores)、散列/签名(hashing/signing)和消息传递层(a messaging layer)。但至关重要的是,他们无法对多种数字和非数字资产进行通证标签,此外,他们在设计之初也并没有考虑去中心化运营的基础。
区块链创新的解决方案有望解决诸如欺诈和调解等挑战。
这些创新类项目采用传统结构进行数据管理、用户参与和网络控制。他们通常复制现有的集中式企业交易和信息系统。尽管这能让各企业尝试使用区块链并可能通过建立联盟链的方式开展协作,但他们并不算是真正的颠覆性革新方案。首席信息官将无法通过这些解决方案来满足企业首席执行官的关键性需求,即构建全新的商业模式。
虽然区块链启发的解决方案可以实现诸如减少欺诈和调解等挑战,但首席信息官必须评估为此付出额外的投资是否值得,因为其并不能提供比传统方式更好的解决方案。
区块链完善阶段(Blockchain-complete)
区块链完善解决方案为使用智能合约(smart contracts)、通证化(tokenization)和去中心化运作架构(decentralized operational structures)的全新商业模型提供了新途径。这些解决方案将具备区块链的所有关键能力并有望提供完整的价值主张。
完善的区块链解决方案将通过智能合约和去中心化实现通证的流转,这是区块链创新解决方案通常缺乏的两个部分。这些能力是催生新商业模式的基石。引入和使用加密货币令牌和其他形式等的通证类资产将造就不可限量的虚拟货币系统。
要将这些解决方案与区块链创新类解决方案区分开,可以从以下几个问题入手:该方案如何实施、解决方案如何处理数据、数据用何种方式保存、通证化是否停留在设计层面、交易治理是如何启用以及链内/链外如何实现数据同步。
区块链增强阶段(Blockchain-enhanced)
区块链的去中心化经济实力和微交易搭配人工智能(AI)的智能决策能力以及物联网的感官能力,三者将为商业和社会创造前所未有的颠覆性技术架构。
首席信息官和企业领导者决不能低估区块链完善和区块链增强解决方案的彻底颠覆性本质。
最后,区块链将通过生物黑客(biohacking)“本我互联网”的方式在物联网(the development of the Internet of Me)等外部科技与未来人类之间提供更加无缝的连接。
首席信息官和企业领导者决不能低估区块链完善和区块链增强解决方案的彻底颠覆性本质。在三到五年内,许多区块链的核心技术问题将有望得到解决。
建议企业领导者进行足够的情景规划和技术试验或跟进考虑去中心化和通证化未来技术颠覆的可能,以免减弱长期的竞争能力。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。