至顶网CIO与CTO频道 11月18日 北京消息:就像互联网的崛起一样,区块链的崛起也正在给个人和组织提供实现生产力巨大进步的商机。根据笔者的经验,区块链可以提高个人、公司、供应商和立法者之间的交易流程,可以创造更多具扩展性的、高效的解决方案。
区块链是个宝,因为区块链可以提供对基础数据的安全保护,进而可以使企业显著减少信任和合作成本,而企业信任和合作成本往往颇为昂贵。
一些专家曾在哈佛商业评论的一篇文章里讨论过区块链提供分布式账目的方法,分布式账目可以有效地记录两方之间的交易,并可提供可核查的及永久的方式。分布式账目的设计原理是系统数据不能被改变,这意味着一旦资料输进分布式账目后就不能被修改。由于数据库存储在多处,如果黑客或有心人只篡改一个数据库,根据加密理论,系统可以检测到篡改。
区块链经常出现在头条新闻里,除此以外,越来越多的企业也在研究和开发区块链技术。新的机会在各种行业应用里浮现出来,区块链应用可以降低成本、简化流程、提供数据跟踪、提高安全性和减少欺诈行为。
一些公司的供应链管理已经在用区块链通过复杂的供应链跟踪物品。总部位于伦敦的初创公司Everledger利用区块链系统帮助根除“血钻”, 血钻是由童工和毒枭资金资助的运作开采出来的钻石。Everledger公司开发了一个平台,可以在供应链上追踪钻石的源头和所有权变化。Everledger 最近募得2000万美元的资金。
减少假冒产品是许多大品牌的一个主要问题,特别是在时尚界。假冒服装的全球市场额高达4500亿,区块链可提供干脆利落的解决方案。如果物品在区块链系统登记过,制造商和供应商就都可以提供有关物品的来源和记录及所有权链等数据。资产与区块链标记挂钩可以增加购物者信心,购物者借此可以知道他们的物品是真货。
一些公司也在考虑利用区块链和其他技术在汽车行业内简化流程和创新。不断有解决方案出现解决车对车通信、高速公路通行费的非现金支付及汽车保险等问题。以下的例子凸显了汽车行业有必要客观地衡量车价。北京奔驰销售服务机构最近与基于区块链的二手车价管理平台合作,以期帮助了解旗下车价折旧和并将过程自动化。
金融服务业的区块链应用活动已经有数年了。 RBC、摩根大通、花旗银行、美国运通、Visa和万事达卡等许多公司都在着手多区块链相关方面的工作。各国央行也在纷纷效仿:世界经济论坛最新的白皮书介绍了几个使用案例以及银行利用区块链技术解决行业内老大难问题,例如金融包容性和支付效率等问题。
尽管存在上述种种令人兴奋的应用,但区块链不一定是适合每一个人的答案。 区块链和去中心化技术可令数据获得鲁棒性和完整性及消除对中介机构的需要。然而,区块链技术与中心化数据库和系统相比也存在一定的缺点。
在有些情况下,安全漏洞败坏了一些区块链应用(如智能合同)的名声,令企业采用变缓。为了发挥区块链的潜力,安全问题需要得到解决。此外,一些技术尚未就绪及未在大规模企业实施上测试过。
那么,企业应该如何试水及确人区块链是否是正确的解决方案呢?笔者建议大家在自己的企业开展小的、风险低的实验以了解区块链的所有潜力。
试点项目是个很好的起步。试点项目的实施往往不太复杂,可以为公司提供评估信息,在得到更多的信息后可以扩展试点项目。大家务必要探索、推测、犯错误、观察以及在试点项目成功后准备扩大规模。
上述的例子只是受区块链解决方案冲击的一些行业。无论是药品还是食品安全方面,企业重塑运营方式和提高竞争力方面都存在巨大的潜力。我们必将创造效率和解决一些以前一直无法用其他技术解决的问题,从而取得巨大的竞争优势。
即使就现有的这些使用案例而言,我们仍然处于区块链行业的早期阶段。随着区块链技术逐渐成为主流技术,笔者希望区块链教育和开发的投资可以更进一步。笔者认为,这将创造出前所未有的发展机遇。
好文章,需要你的鼓励
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
Hammerspace发布v5.2数据平台软件,通过更快的元数据读取、更好的数据放置和扩展性优化提升AI数据访问性能。新版本IO500总分提升33.7%,总带宽翻倍,IOR-Hard-Read测试提升超800%。增加了Tier 0亲和性功能,支持GPU服务器本地存储访问,减少集群内网络流量。新增Oracle云支持、Kerberos认证和标签化NFS,提供更细粒度的访问控制。该软件将于12月正式发布。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。