数据是我们的,也是你们的,但归根结底是每一个个体的。
“在大数据时代,企业之间没有竞争,只有合作。”这是浪潮集团执行总裁王柏华所提出的看法。他认为,在大数据时代,数据的价值不仅在于数据本身,最主要还在于数据之间的关联关系,因此没有一家企业可以包揽用户的IT需求。
用北京大数据研究院院长鄂维南院士的话说,虽然现在政府对大数据行业已经非常重视,企业对此的需求也非常大,但是大数据的落地仍然很困难,其中的问题在于中国市场中的数据量很大、类型复杂,同时人才紧缺、科研队伍整体相对落后,整个市场几乎是处于无理性的生长。
换而言之,一堆数据躺在那是没有用的,只有经过梳理,总结出规律后并应用于行业、企业,这才是有用的。在这背后,我们欠缺的就是一个推手,对数据进行规划和梳理。这正是浪潮正在做的事情,但不是自己去做,而是协同100个数据所去做,每个数据所会对应一个细分行业。
布阵大数据产业:奇门遁甲,第一卦阵
在浪潮看来,大数据时代最大的问题不是没数据可用,而是怎么用。王柏华表示,数据的应用关键在于释放、流通、聚合,释放就是让数据资源化,流通就是让数据商品化,而聚合就是融合。三者之中,聚合又是重中之重。“数据聚合不了有什么价值?工商用工商的,税务用税务的,这是没有价值的,只有工商、税务、企业把数据结合起来才能创造价值。”他说道。
然而,要全面覆盖这三个点并不容易,浪潮或许是其中之一。基于这样的思考,浪潮在今年的Inspu rWorld大会上就提出了“公司+创客”大数据产业模型,这一模型之下,包括几个重要的部分,专注于数据应用的A创客、专注于数据生产的B创客以及浪潮打造的天元数据网交易平台、100个数据所和大数据创客中心等。王柏华将此形容为“奇门遁甲、第一卦阵”,“我们不是设好阵形请大家来挑阵,而是希望和更多的企业一起训练这个阵。”每谈到这,他都显得有点兴奋。
浪潮在大数据产业的定位很明确,就是把数据整合在一起,在这方面他是具备优势的。首先浪潮从五年前云计算刚萌芽的时候就已经开始有意识地采集数据,至今其已积攒了42PB的数据,并且这些数据这些年也一直在运营,同时,浪潮近两年也还在不断发力云生态,他知道各行各业的关键数据在哪,清楚如何对庞大的数据进行规范整理。
王柏华也明确表示,浪潮要做的是释放数据的能量,致力于为社会提供可信的数据支撑。“我们要做的是与国家的双创政策结合在一起,推动100个城市把B创客招来,对数据进行整理,并释放出去,支持A创客的数据应用,这个阵型基本就是这样。”他介绍道,“浪潮这个阵型也可以叫‘太极生两仪,两仪生四象’。这个阵型不是消灭敌人的,而是消灭大数据产业不能发展的问题的。”
所有数据所都必须深扎行业
在这样一个阵形之中,我想再重点说说这100个数据所,他们可以说是数据规划的核心。
王柏华表示,每个人、每个企业都可以申请成为数据所,但是浪潮准入门槛也是比较高的。首先,你要有数据,其次,你要对行业数据有极其深刻的理解。
这样来看,这些“通关”了的数据所想必一定是高格局、高格调的,并且对行业有着深刻认识的。他们要做的事,就是梳理、规划行业数据,指导B创客进行有方向的数据采集。从10月26日召开的InspurWorld 2016大会开始,浪潮正式对外开放了数据所的授权,到目前已经有三、四十个数据所被认领了。王柏华表示,浪潮希望有更多的企业加入进来,认领数据所,成为“所长”,为企业、为行业、为地方经济去创造价值。
从这点来看,浪潮确实已经非常清楚地认识到了企业之间必须全面合作,而他要搭的正是这样一个合作的平台。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。