数字经济是一项重要的战略举措。Gartner预测,到2025年,60%的大型企业机构会在分析、商业智能或云计算领域采用一种或多种隐私增强计算技术。到2022年,90%的企业将明确提出把信息视为一项关键的企业资产,将分析视为企业的一项基本能力。
在中国,数据共享对于发展数字经济至关重要。自2020年起,中国政府已经将数据视为继土地、劳动力、资本、技术之外的第五大生产要素。数据共享为企业带来了许多机会,让他们能够借助外部数据做出更精准的业务决策,通过数据变现创造更多收入来源,以及与合作伙伴创建更广泛的生态系统。
在迎接数据共享带来的所有这些机会时,中国企业在计划数据共享进程时,应当遵循“无例外必分享”(must share data unless)模式,同时从三件优先事项出发,重点关注数据的使用、孵化和协同(如图1所示)。
图1:企业数据共享的主要推动因素和优先考量
使用外部数据加速AI和分析的发展
随着中国企业数字化转型的加速,除交易数据外,更加多样化的数据也可被收集,包括图形、图像、音频、语言和时间序列等非扁平、异构数据。
当下应用的主流AI方法中,大多数都是基于以数据为中心的机器学习或深度学习。因此,数据作为AI的“燃料”受到高度重视。而企业机构和行业之间数据资产可用性的不平衡也直接导致数据共享进程的加快。
获得更大的数据集将极大加速人工智能的开发利用,带来新的商业机会,甚至改变未来的商业模式。数据和分析(D&A)领导者应仔细研究数据集的可用性,并与业务团队协作,发现新的商机。
将数据作为能够创造有价值、可靠且合规的收入来源的产品
共享原始数据给企业带来的价值有限。只有经过孵化,成为可信赖的D&A产品后,数据才更具价值。图2所示为新兴的信息经济领域的三个主要议题。
图2:信息经济的主要议题:将信息作为资产进行估量、管理和货币化
运用区块链和隐私增强计算技术协同数据共享
中国的数据交换让企业机构可以与生态系统共享数据,创建强大的数据合作伙伴关系。在数据变现的过程中,企业需要以安全的方式共享数据,通过各种方式将价值最大化,比如数据管理和集成骨干网、数据即服务(DaaS)、数据交换、数据/人工智能交易平台。
区块链是用于保证整个数据交换生命周期有迹可循的技术之一。基于区块链数据,定价、签约、执行和付款都可以在订立智能合约的基础上进行交付。当然,区块链仍是一项新兴技术。它在数据交换场景的实施还在概念验证当中,目前还没有在实际的生产环境中使用。
同时,隐私增强计算技术将带来更多机会。传统的技术手段可为数据传输和数据存储提供保护,而隐私增强计算(PEC)技术可以保护使用中的数据。Gartner的2022年重要战略技术趋势中,隐私增强计算位列其一。企业如果能够通过对关键数据更广泛的获取来成功交付业务案例,就能在竞争中获得独特的优势。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。