至顶网CIO与CTO频道 08月03日 编译:数据的爆炸引发了第四次工业革命,在这个时代,业务将因为网络物理系统转变,从而推动了多种技术趋势的发展。每个企业都可以利用这些重要趋势,并且应该注意如何才能最好地利用它们,但是会计师们应该严肃认真地评估如何从战略上使用这六种技术以实现公司的业务战略。
1. 大数据
数据对于制定商业财务决策至关重要。如今,数据已不仅仅是会计师们熟悉多年的数字和电子表格了;它还包括可以通过自然语言处理进行分析的非结构化数据。这让对财务状况的实时监控成为可能。在第四次工业革命中,数据推动的多种技术趋势正在改变财务和会计领域。甚至审计流程也已经实现了数字化。在金融领域,数据产生了很有价值的见解,改善结果并为客户创造更好的体验。由于每件事都留下了数字化足迹,我们这个世界前所未有的数字化正在创造各种机会,从以前不可能获得的数据中收集新的见解。这些见解有助于改善内部运营并增加收入。
2. 提高的计算能力
和其他的企业一样,如果无法提升计算能力,我们这个数字化的世界创建的所有数据将会毫无用处,至少是无法充分发挥它们的功用。这些改变使会计和财务部门及企业可以有效地存储和使用数据。首先,亚马逊、谷歌和微软等供应商提供的云服务为我们提供了可扩展的系统和软件,可以在任何时间和地点,按照需要使用云服务。边缘计算也在发展。在这种模式下,计算不是在云端进行的,而是在数据被收集的地方进行。5G(第五代)蜂窝网络技术的采用将成为更智能世界的骨干。等到量子计算得到充分采用的时候,它甚至将以一种完全无法预测的方式带来变革——因为它能够成倍地提升我们的计算能力。量子计算机将能够提供服务并解决传统计算机无法解决的问题。这种能力在金融界将具备巨大的价值。
3. 人工智能(AI)
人工智能可以帮助会计和金融专业人士提高生产力。人工智能算法使机器可以接手耗时、重复和冗余的任务。在人工智能技术的帮助下,财务专业人员不仅可以处理数字,还可以花更多的时间来提供具备可行性的见解。机器可以通过简化操作来帮助降低成本和减少错误。金融专业人士越依靠人工智能技术,让它们完成自己最擅长的工作——分析和处理大量数据,处理单调乏味的任务,他们就越能够把自己的时间节省下来,做自己最擅长的事情。新技术已经改变了客户与公司合作时的期望,在会计领域也是如此。人工智能技术可以帮助会计师提高效率。
4. 物联网
当物联网(联网设备和机器的系统)与人工智能技术结合在一起的时候,就形成了物联网。这些项目可以在无需人工干预的情况下进行通信和操作,并为会计系统和财务专业人员带来许多好处。物联网可以帮助财务专业人士实时跟踪分类帐、交易和其他记录。在人工智能技术的支持下,可以识别模式或快速解决问题。这种持续的监控使会计活动(例如审计)变得更加简单并且轻松。此外,物联网的智能还可以改善库存跟踪和管理。
5. 自主机器人
机器人并不一定要有物理实体。在会计和金融领域,机器人流程自动化(RPA)可以处理重复且耗时的任务,例如文档分析和处理,这类任务在任何会计部门中都非常常见。摆脱了这些繁琐的任务,会计师们能够将时间花在战略和咨询工作上。智能自动化(IA)能够模仿人机交互,甚至可以理解客户端通信中的推断含义,并根据历史数据完成适应性活动。此外,无人机和无人驾驶飞机甚至可以部署在评估等方面。
6. 区块链
我想介绍的最后一个会对会计和金融专业人士产生重大影响的技术趋势是区块链。分布式分类帐或区块链是一个高度安全的数据库。 这是一种安全地存储和准确记录数据的方法,在会计和财务记录中得到了广泛的应用。区块链可以实现智能合约,保护和转移资产所有权,验证人们的身份和凭证等。一旦区块链得到广泛采用,并且克服了行业法规方面的挑战,它将通过降低成本、增加可追溯性和增强安全性而使企业受益。
要了解有关这些技术趋势以及构成第四次工业革命的其他关键趋势的更多信息,请阅读我的新书《实践中的技术趋势:推动第四次工业革命的25种技术》(Tech Trends in Practice: The 25 Technologies That Are Driving The 4th Industrial Revolution)。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
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%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
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。