ZDNet至顶网软件频道消息: 今年,金融科技专家们将硅谷精神带到了华尔街、普罗大众身边乃至更广阔的世界。
彭博公司今年刚满32岁,和他的很多大的金融行业客户相比相对年轻,但与诞生于科技大变革时期的科技领袖如亚马逊(19岁)、谷歌(Google,15岁)、和脸书(Facebook,10岁)相比却更加成熟。 彭博正处发展中期,一直脚踏实地提供与全球市场活动相关的新闻和数据,彭博至今依然保持一定的增长。今年到目前为止,彭博终端的用户数量增长近3,000名,这一数字略低于总用户量的1%。
但彭博一直在不断地挑战自我。与来自硅谷和其它创业热土的年轻公司一样,彭博也是一家创新工厂,但它并未自己标榜为一家纯技术公司,而是不断提升核心的信息业务。通过供应商联盟、标准化制定以及参与开源社区,彭博的3,000多名科技专家不断完善彭博终端,提升交易和数据速度,扩大彭博在全球金融科技领域的影响力。这一系列的突出成就使彭博金融产品与服务全球负责人施刚达(Thomas Secunda)这位具有远见卓识的科技专家史无前例地连续第三年荣登《机构投资者》科技50人榜首。
彭博拥有一个可用性实验室,反复进行着产品的创新和再造。 用户与新产品、工作流程和屏幕设计的互动将会被科学记录。施刚达表示,彭博广泛地保持研发原型化,近几年也逐渐依靠用户体验和专家意见使之走向正轨。可用性实验室已建成3年,但关于可用性的创新在彭博创立之初就已开展。
《机构投资者》年度科技50人榜单由杂志编辑和工作人员制定,并由业内人士及专家提名和评估。主要标准包括:职业生涯的成就和贡献,职责范围及复杂程度,在公司内外部的影响力及领导力,以及纯粹的技术创新能力。2014年的其他部分获奖者还包括来自以下机构的高管:美国银行、富达投资、高盛集团、贝莱德、花旗创投及瑞士信贷等。
《机构投资者》杂志2014年科技50人
 
 第一名:  施刚达(Thomas Secunda)
彭博金融产品与服务全球负责人施刚达(Thomas Secunda)
施刚达(Tom Secunda)表示,1982年创立时彭博是推动债券交易变革的工具。
作为彭博的联合创始合伙人和副董事长,施刚达对这家总部位于纽约的金融信息服务商备感自豪的成就之一是彭博提升了多个市场的透明度,并开辟了通过多种工具不断提升价格查询和交易效率的先河。
但产品的激增及市场的快速发展以及由此而产生的大量数据却在某种意义上又带来了新的问题。施刚达发现,“信息泛滥给透明度带来了新挑战。”即便是彭博专业服务的用户(在全球超过32万名)都想知道:“信息如此繁多,我怎么样才能找到自己需要的内容? ”
彭博金融产品和服务全球负责人施刚达正带领3000多名技术专家着手解决这一问题。用这位60岁负责人的话说,他们正在用一种“结合人工智能、专业知识、自然语言处理和机器处理的方式”,不断探索以简化导引与搜索。长期以来,用户需要深入了解终端才能充分加以利用。施刚达希望这一平台也能服务那些只需简单答案的非专家型用户。他表示,“我们试图让机器去完成复杂的工作。”
“简化”也是彭博10亿美元企业解决方案的关键词:施刚达所提到的科技、平台以及数据管理服务可以为客户节约大量成本的同时也为彭博带来新的利润。今年,彭博创始人迈克·布隆伯格(Michael Bloomberg)结束了其12年纽约市市长的任期后重返彭博。“他为公司带来了新的能量与激情。他会不断督促我们,因为他自己也钟爱简洁直观的事物,” 施刚达说道。
 
好文章,需要你的鼓励
微软宣布未来四年将在阿联酋投资152亿美元,包括首次向该国运输最先进的英伟达GPU芯片。美国已授权微软向阿联酋出口英伟达芯片,使该国成为美国出口管制外交的试验场和地区AI影响力锚点。这笔投资包括2023年以来的73亿美元支出和2026-2029年的79亿美元计划投入,涵盖数据中心建设、人才培训和AI基础设施扩展,目标到2027年培训100万当地居民。
NVIDIA联合多伦多大学开发的ChronoEdit系统通过将图像编辑重新定义为视频生成问题,让AI具备了物理常识。该系统引入时间推理机制,能够想象编辑的完整变化过程,确保结果符合物理规律。在专业测试中,ChronoEdit超越了所有开源竞争对手,特别在需要物理一致性的场景中表现突出,为自动驾驶、机器人等领域的应用提供了重要技术突破。
OpenAI与亚马逊云服务签署七年380亿美元协议,在微软Azure之外增加另一个超大规模云服务商来满足其不断增长的AI计算需求。该协议将让OpenAI立即获得AWS EC2 UltraServers访问权限,计算能力将在未来七年内扩展至数千万个CPU。AWS还将为OpenAI构建基于英伟达Blackwell芯片的定制基础设施。尽管签署了这一大额协议,OpenAI仍将继续依赖微软Azure作为其主要云计算合作伙伴。
这项研究提出了MITS框架,使用信息论中的点互信息指导AI推理过程,解决了传统树搜索方法计算成本高、评估标准模糊的问题。通过动态采样和加权投票机制,MITS在多个推理数据集上显著超越现有方法,同时保持高效的计算性能,为AI推理技术开辟了新方向。