让AI在事件数据中寻找模式、预测事件发生地点以及对服务器生命周期管理实施自动化,这些是瑞典交通管理局(Swedish Transport Administration)IT总监Niclas Lamberg为实现投资回报而关注的一些事项。

最近瑞典交通管理局宣布,将通过采用新的技术解决方案,每年内部运营节省约6亿瑞典克朗(约合5700万美元),并将其应用于公路和铁路工程方面。IT总监Niclas Lamberg表示,在这些节约成本的措施中,IT发挥着至关重要的作用。
他说:“瑞典交通管理局在使用数字和AI解决方案方面有着巨大的潜力。多年来,我们一直致力于投资数字化,但在处理信息并根据想要查看的内容呈现信息方面,我们并没有从中受益。我们现在可以处理我们的数据,而至于发挥其潜力,现在才刚刚开始。”
他特别强调的一个领域,就是能够更好地预测需要维护的地方,或者存在事故风险的地方。
例如,自2022年以来,瑞典交通管理局一直通过传感器和摄像头跟踪接触线的状态以测量轨道车。
“现在我们可以发现接触线中存在的故障,这意味着如今中断次数已经大幅减少了。现在我们正在向前推进,收集有关混凝土枕木的数据。但我们拥有的数据目前并没有被使用,你还可以看到,通过路边的合作,我们可以在这方面取得更大的进展。”
寻找模式
事件管理是另一个正在得到解决的领域。瑞典交通管理局日夜不停地监控他们的基础设施(公路和铁路)、IT和电信,并记录和解决事故。瑞典交通管理局希望今年晚些时候能够在AI的帮助下加强在海量数据中寻找模式的能力,从而更好地了解这些模式可能出现的位置,预测维护并避免事故。
“这是我们今天没有利用起来的海量数据,”他说。
让AI搜索信息
Lamberg还看到了在内部使用AI查找相关信息的巨大潜力。除其他事项外,瑞典交通管理局还研究了如何更轻松地从内部法规中汇编信息。
他说:“员工几乎不可能跟踪我们大约4000份管理文件,他们需要关注谁?是否有冲突?”通过让AI扫描这些文件,找出信息的位置和适用的内容,这些任务就会变得容易得多。但挑战依然是存在的。
“作为权威机构,我们必须仔细审查我们得到的答案内容,而不是盲目相信这些内容。评估必须是正确的,还必须说明信息来源。”他指出,应该向公众提供更多文档部分,以便更容易地参与并改进服务。
自动化正在进行中
简化瑞典交通管理局内部工作并节省资金的另一项举措是自动化,正在进行的下一个项目是自动化服务器的生命周期管理,目前这项任务主要是由人工完成的。
Lamberg表示:“在我的企业中,自动化各种流程的机会非常多,通过生命周期管理服务器,消除所有手动步骤,可以节省数万小时,我们可以将这些时间花在其他事情上。因此,这么做具有巨大的影响力和非常好的投资回报率。”
研究云迁移
与许多其他权威机构一样,瑞典交通管理局还没有迁移到云端,大部分云都存在于本地。但去年夏天,欧盟和美国之间数据传输的新框架出台之后,情况发生了变化,瑞典交通管理局正在调查是否要更改协作平台并转向Microsoft 365。
Lamberg说:“我们正在研究如何使用Teams,但还有很多法律问题需要解决,不过,很明显,我们正在转向云解决方案。”
其中一部分工作是要弄清楚哪些信息值得保护,哪些信息应该保留在内部,哪些信息可以放在公共服务中,哪些信息可以放在私有云中。此外,他们还与瑞典税务局进行了对话,瑞典税务局表示将引入Office 365。
“他们的决定对我们来说不是直接的,但我们可以从彼此的经验中受益,我们还没有做出决定,不过我们正在调查我们能走多远。”他说,选择合适的云服务需要进行长时间的尽职调查,但这是值得去做的。
“法律和安全是我们决定速度的两个方面,你准备承受哪些风险,哪些风险必须解决,这就是控制速度的因素。”
需要设定目标
Lamberg议程上的另一个重要事项,就是IT组织如何向员工提供各种AI解决方案,确保他们在发挥AI的潜力同时,能够保持质量和安全性。
他说:“必须在鼓励的同时对其进行控制,这项工作还没有完成,我们必须能够支持业务,提供能够在瑞典交通管理局环境内良好运行的平台,这样我们才会对安全性充满信心。”
需要为AI设定一个既灵活又持久的目标,以实现连续性和敏捷性。他说:“我们知道技术发展的速度是指数级的,这种平衡很难,但绝对是必要的。”
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
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%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
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。