至顶网CIO与CTO频道 02月07日 北京消息:流行病的突然来袭不同于一般情况的企业业务中断。与网络攻击或自然灾害不同,它可以影响全球的运营活动长达数月,并且直接威胁到劳动力。武汉市最近出现的新型冠状病毒不禁让人回忆起之前的非典(SARS)、中东呼吸综合征(MERS)和甲型H1N1流感。因此,各家企业都需要为危险疾病的大规模爆发做好相关计划和准备。
面对任何危机,预先规划都是必不可少的。而在流行病爆发时期,企业更需要执行额外的行动,包括与流行病学家保持密切联系、连续数月对疫情影响进行监测和建模。企业最好制定一项应对流行病的业务连续性管理(BCM)计划。下面我们将分享一些重要的基础知识,帮助企业评估流行病爆发风险、确认关键职能、并评估重要第三方的流行病防范计划。但首先,任何响应都应遵守两个指导原则:
第一,以人为本。作为雇主,这是一个明智的选择(这也是对于人类物种的正确选择)。2003年,非典蔓延到了四大洲,十家企业中就有七家高管告诉我们,处理员工的担忧和疑问是最耗时的相关活动之一。即使一种疾病造成的影响有限,不确定性也会造成恐惧和焦虑。如果员工觉得自己在工作时会暴露在疾病中,他们的士气将会受到影响。此外,公众还可能对企业行为产生负面看法,企业也可能被员工起诉。
第二,提高企业的整体能力。即使新型冠状病毒在未来几周内得到遏止和抑制,企业仍然可以借此机会了解自身的哪些方面受到病毒的影响以及在传染病传播期间哪些业务活动可能无法按计划开展。毕竟,从长远来看,因疾病而产生的中断可能更加常见,而且可能会造成更大的损失。企业应记录下这次作出的响应,以及在计划外的意外情况或后来证明有误的假设。
在理解了上述两个原则后,企业便可专注于制定核心的流行病响应计划。
评估风险,确定阈值,实施流行病防范和响应计划
企业应该咨询流行病学家,把自己的分析结果告诉他们。虽然这可以像打个电话进行咨询一样简单,但企业最好还是提前咨询他们,以便预先建立流行病风险模型。同时,企业还应留意世界卫生组织和所有受疫情影响地区的政府卫生机构公布的信息。媒体常常会大肆宣传疫情,却容易忽略流行病学分析中的一些细枝末节。企业应将自身所收集的信息纳入疫情影响分析,然后确定行动触发因素。此类流行病阈值应成为响应计划的触发因素。
确定关键职能
流行病将会直接打击企业最宝贵的资产——员工,所以当疫情爆发可能持续数月时,企业需要为员工的缺勤做好准备。在进行疫情影响分析期间,企业可采取以下方法与人力资源合作伙伴和业务部门合作,确定哪些职能是企业运作所必需的。
首先,给每个业务部门或区域分派任务,确定以下职能:
·与该地区的重点业务直接相关的职能。
·与该地点的关键产品直接相关的职能。
·哪些需要尽可能长期保持关系的承包商和客户。
·与潜在的会“激增”的业务活动相关的职能。如果发生疫情,企业可能会建立此类职能或是增加担任此类职能的人员数量或工作强度。
接下来,将每个职能归入以下三个类别之一:
必要:在任何情况下都必须完成的职位和职能。
短期暂停:可以短期暂停的职位和职能。
长期暂停:可以暂停较长时间的职位和职能。
评估第三方流行病病防范和响应计划
随着中国各工厂的关闭,新型冠状病毒已经给供应链带来了压力。企业可通过审查第三方的流行病防范和响应计划来了解他们的决策可能会以何种方式影响自己,并在全球性流行病袭击企业业务网络时提高与供应商相关的防范能力。
按风险级别对第三方进行细分,包括与流行病相关的具体准则(例如与爆发源的接近程度)以及更常见的因素(例如合同价值、所提供的服务类型等)。
企业应让最关键的第三方知道您的团队愿意并且能够帮助测试他们的计划,并在需要时进行改进。在评估计划时,请考虑以下指标。
流行病防范检查清单
下面将重点介绍流行病爆发和大范围传播后所要提出的问题以及之后应该定期采取哪些行动确保自己做好准备。
好文章,需要你的鼓励
总部位于休斯顿的GridFree AI公司宣布推出首个独立电网站点South Dallas One,专为高密度AI工作负载设计。该站点位于希尔县,是计划中South Dallas集群的一部分,三个站点总发电容量近5GW。公司采用天然气驱动基础设施,独立于本地电网运营,可在24个月内完成部署,为超大规模云服务商提供快速、可靠的AI就绪基础设施解决方案。
MBZUAI和法国综合理工学院联合开发的SchED算法能让AI写作速度提升3-4倍。该算法通过监测AI生成文本的置信度,采用进度感知的动态阈值策略,在保持99.8%-100%原始质量的同时显著减少计算时间。实验覆盖多种任务类型,证明了算法的有效性和鲁棒性。
国际数据公司IDC发布报告警告,由于AI基础设施建设对内存需求激增,2026年PC出货量可能下降8.9%。主要内存制造商已将生产重心从传统DRAM和NAND转向AI数据中心所需的高带宽内存,导致PC用内存价格上涨。这种内存紧缺对"AI PC"市场形成讽刺,原本用于提振PC行业的AI电脑反而受到AI产业自身影响。
西安交通大学研究团队发现,AI视觉语言模型容易受到功能词(如"是"、"的"等)的干扰而遭受攻击。他们开发了功能词去注意力(FDA)机制,让AI减少对这些词汇的关注。测试显示,该方法可将攻击成功率降低18%-90%,而正常性能仅下降0.2%-0.6%。FDA无需额外训练即可集成到现有模型中,为AI安全防护提供了简单有效的解决方案。