2020年堪称“梦幻般”的一年,种种态势以我们难以想象的方式展开,也深刻影响到每个人的工作与生活方式。相信未来十年,我们会将2020年视为网络全面普及的元年,并回忆这段主流经济活动迎来全面冲击的非凡经历。而由此塑造出的可持续未来,正在数字化转型的驱动下加速推进。
过去12个月以来,新冠疫情带来的挑战席卷全球,而不同企业组织与政府机构推动变革的潜力也给我们留下了深刻印象。无论是控制新冠确诊病例数量还是减少碳排放,2020年似乎都为我们翻开了前所未有的新篇章。
不少长期难以完成数字化转型的企业忽然发现,他们完全有能力在几个月之内推动原本计划在五年中陆续发布的计划。起初,这一切似乎只是在为社交隔离提供临时性应对方案;但如今,强调可持续经营与长期发展的企业开始着力发掘远程办公投资中的价值,并将其视为“迎接新常态”中的重要组成部分。
在疫情流行的第一波峰值期间,企业很快意识到自己对物理基础设施有着多么严重的依赖性。在施耐德公司,我们发现很多客户都希望了解该如何全面监控并管理建设工期,确保部分关键任务能够如期完成。此外,他们还强调建筑本身应该具有良好的弹性,同时顺畅对接工程师们的远程指挥。
今年4月到8月之间,我们发现英国的远程托管服务交付订单增长了200%到300%。以一位施耐德电气公司的服务工程师为例,面对疫情冲击,其开始远程接入站点以解决问题并优化建筑系统。预计在疫情结束之后,相当一部分企业的运营智能化水平将显著提升,支持远程接入站点、降低风险、节约大量本可避免的成本/停机时间并确保关键任务能够按时完成。这一切,都将成为新时代下的正常预期与合理收益。
与之并行推进的是,人们对效率及可持续性的关注不断增强。越来越多的企业开始正式制定零净排放计划,而数字化举措在其中也将发挥至关重要的作用。先看一个基本事实:人类全部碳排放中有80%来自能源消耗,而我们的能源管理效率长期低于60%。因此,最重要的零净碳排放机会显然就隐藏在我们生产、管理并使用能源的方式当中。
这项工作的第一步,就是发现并明确能源消耗在哪里、耗损在哪里、浪费在哪里,数字化技术正是解决这个问题的核心。我们可以使用传感器监控能效、将运营与IT系统通过软件连接起来,推广自动化与分析功能,最终帮助组织及个人(无论是在办公室内还是家中)更好地管理并优化其所处环境。
好消息是,大多数能源与数字自动化技术已然存在,足以支撑我们达成目标。以数据中心为例,根据国际能源署今年6月发布的一份报告,随着云服务支持下的远程办公逐渐普及,今年2月至4月全球互联网流量增长了40%。在大部分行业中,工作的物理要素已经发生了变化;可以预见,短期之内的未来以及疫情之后的时代下,数字渠道与电子商务仍将成为人们的首选方案。更重要的是,数据中心已经不同于William Blake在第一次工业革命中所描述的“黑暗的撒旦磨坊”,而是完全有望实现碳中和甚至是负排放的全新生产形态。
瑞典的EcoDataCenter成为全球第一处对环境具有正向影响的数据中心。该中心100%使用可再生能源驱动,同时配合丰富的数字化技术以增强节能效果,将电力的使用效率比优化至1.15(远优于行业平均水平1.6),这证明了数据中心完全可以保持高效性与可持续性。由此产生的多余热量还将被馈送至当地供热网络。
但从零开始建设碳中和或气候友好型设施是一回事,全面实现“零碳排放”还要求我们需要对大量原有基础设施及建筑实施调整。数字化改造正是这一过程的基本组成部分,而这个环节却往往被人们忽略、甚至在政府层面也未能得到应有的重视。
英国政府最近提出以实现绿色复苏为目标的“零净值”计划与政策框架。以海上风能政策为例,此项政策加快了英国在海上风力发电的探索步伐与领先优势,激励使用可再生能源、增强运输业环保水平,也再次重申在基础设施及建筑设施内强调环保诉求应该成为大势所趋。与此同时,风力能源行业的发展空间、工作岗位以及相关技能也将得到显著提升。
这一切还将从根本上改变能源的生产、分配与消耗方式、地点及时间。随着电力需求的不断增长,这要求我们从整个链条的起点就引入高效设计、运营与管理方法,重塑能源系统面貌。而只有采取数字优先思路,我们才真正有可能建立起智能电网、智能家居、智能工作场所、智能甘苦与共、智能交通,最终建立起智能世界。
2020年,各类企业与组织已经在亲身经历中,证明了他们在全球疫情背景下能够以怎样的速度加快数字化转型、进而实现强大的业务连续性与弹性。
在2021年及之后,数字化之旅则成为提升效率、强化生产力并实现未来适应力的关键,为我们带来更多就业机会与经济增长,同时减少人类活动对地球的影响、最终阻止气候发生不可逆转的恶性变化。
好文章,需要你的鼓励
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。
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。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
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。