Oracle今天宣布,将把人工智能扩展到很多核心业务应用中。
这些“Adaptive Intelligent Apps”将集成到现有的Oracle云应用中,特别是针对云版本的企业资源规划、人力资本管理、供应链管理和客户体验应用,旨在提供更简单的方法来获得实时洞察。
Oracle在去年的OpenWorld大会上首次提到这些应用,最初重点是在客户体验应用上,包括市场推广、销售和客户服务应用,这些也是第一批采用Oracle Data Cloud提供更好的产品或者内容推荐、提供更好客户服务的应用。
“今年要在这个基础上进一步扩展,”Oracle Adaptive Intelligence产品及数据科学副总裁Jack Berkowitz表示。因此,现在不止是使用客户数据,还包括各种各样的数据,例如供应链中的数据。
事实上,Oracle的Data Cloud为这些新应用能力提供了强大的支持,据称Data Cloud拥有超过50亿条消费者和业务ID,以及超过7.5万亿个月度收集的数据点。Berkowitz表示:“数据是所有这一切的基本命脉,当你购买SKU的时候,你需要有相关的数据,因为你需要数据才能进行操作。”
例如在人力资本管理方面,这个新功能有助于公司招聘到更好的人才,并将人才与职位更好地匹配。这家公司还可以提取出某个员工表现情况的相关数据,将其与销售业绩相结合,以便在公司外部找到类似的匹配人选。“这一层延伸到了应用,这些应用能让这一切变成现实。”
目前,Adaptive Intelligent Apps是一个需要单独购买的可选功能,但是Oracle并没有给出详细定价。“这让我们以独特的方式谈论这种功能,而且客户也能够以他们自己的方式来做,”Berkowitz这样表示,因为很多客户也在使用非Oracle的应用。
Oracle首席执行官Mark Hurd在本周二早上的OpenWorld大会上表示:“你将会看到AI直接融入到所有这些应用中。”
Constellation Research副总裁、首席分析师Doug Henshcen表示:“他们正遵循着路线图。”他说,一旦交付了,Oracle将会领先于软件即服务竞争对手Salesforce.com,后者的Einstein AI主要专注于客户体验应用。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。