亚马逊云科技联合从事经济影响研究的全球知名市场调查与咨询公司——电信咨询服务(Telecom Advisory Services)发布了三项新研究,这些研究评估了云计算的经济影响力、人工智能的采用情况以及上云所能提升的能源生产率。
研究结果显示,2023年,企业上云对GDP(全球国内生产总值)总体贡献超过1万亿美元,在云上使用人工智能为GDP贡献超过980亿美元。其中一项研究对未来发展做出如下预测:2024到2030年间,上云所产生的全球GDP将突破12万亿美元,而在云上使用人工智能将进一步贡献1.5万亿美元。
全球各地的经济影响
具体到全球各地,研究结果显示,2023年云计算在美国和加拿大创造了超过4,340亿美元GDP,其中560亿美元来自在云上使用人工智能。在欧洲,云计算创造了超过3,210亿美元GDP,在云上使用人工智能贡献了其中的300亿美元。亚太地区国家的这两项数据分别为1,520多亿美元和70多亿美元。
未来六年,使用云计算和人工智能将为全球带来更加可观的经济效益。到2030年,上云预计为美国和加拿大创造超过5.6万亿美元GDP,其中8,420亿美元将来自在云上使用人工智能。在欧洲国家,这两项数据将分别接近2.7万亿美元和4,340亿美元。在亚太地区,上云有望产生超过2.7万亿美元GDP。其中,在云上使用人工智能将贡献超过2,020亿美元。
数据中心和云计算已经深刻融入了我们的日常生活。为实现互联互通,亚马逊云科技为全球客户提供了遍布34个地理区域的108个可用区,以及Local Zones、Amazon CloudFront和数百个接入点。很多人都在不知不觉间使用着云计算——无论是在线联络亲友、网络购物、查看银行对账单、点外卖、拼车,还是在线看电影或综艺、听音乐,一切都是由数据中心和云来实现。
电信咨询服务公司负责人、本研究的策划者Raul Katz博士表示:“云计算是数字化转型的一大推动力,我们已经亲身体会到它对日常生活的影响。现在,我们终于可以用金额来量化这种影响,以及云计算产业对于全球经济的重要意义。”Katz博士也是哥伦比亚大学哥伦比亚远程信息研究所(Columbia Institute of Tele-Information)经营战略研究主任。“这些数据初看可能有如天文数字,但2023年数据表明,随着各行各业纷纷上云并在云上使用人工智能,全球经济已从中受益。而且,预测数据还显示了不可限量的未来增长空间。这无疑是数字化转型和人类发展的高光时刻。”
上云带来的能源效益
三项新研究中,有一项还考察了上云对能源生产率的影响。能源生产率是指单位能耗(兆瓦时)所创造的新增经济价值(GDP)。该研究显示,能源生产率的提升可以让公司和行业在消耗等量能源时,创造更多的商品和服务,从而降低各行各业的生产成本。由此可见,云计算发挥的作用极为突出。
该研究显示,当一个国家的上云比例提升10%,其能源生产率就会随之提高,这就让各行各业能够用等量的能源产出更多商品和服务。研究案例显示,如果一个国家的能源生产率增幅达到每兆瓦时14.57美元,该国企业就可以通过使用云计算技术,在消耗等量能源的前提下创造更多商品和服务。优化能源生产率可以降低成本,让企业将省下的资金投入到创新和业务扩张当中。照此计算,能源生产率的提高可为全球经济带来约2,168亿美元的新增GDP。
云计算和人工智能的应用正在改变日常生活
亚马逊云科技的数百万活跃客户都在使用云计算技术——包括人工智能——改善人们的日常生活。从支持Lyell和莫德纳(Moderna)的医疗革新事业,到推动Blackboard和PBS的数字化与个性化教育;从为用户提供在Netflix、Prime Video和迪士尼+(Disney+)平台上畅快的追剧和观影体验,到帮助达美航空(Delta Airlines)和福特(Ford)更好地服务运输业,亚马逊云科技正在赋能千行百业的数字化转型。其中,也不乏云原生客户,如爱彼迎(AirBnB)、Lyft、Slack、Snap以及Stripe等,这些企业都助推了行业变革。
在亚马逊云科技,人工智能目前已成为年营收率达数十亿美元的业务。来自各行各业的10万多家客户都在使用亚马逊云科技人工智能和机器学习服务来重塑客户体验,包括阿迪达斯(adidas)、纽约证券交易所(New York Stock Exchange)、辉瑞(Pfizer)、瑞安航空(Ryanair)和丰田(Toyota)等。此外,许多领先的生成式人工智能模型也在亚马逊云科技上训练和运行。
亚马逊云科技当前服务全球245个国家和地区,并公布了进一步新建18个可用区和6个区域的计划,这让全球各地的客户和公共部门组织都能通过使用云计算以及生成式人工智能等先进技术获益。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。