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
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。