北京时间5月20日晚,IBM一年一度的Think 2024即将在美国波士顿盛大开幕。这场为期四天的活动将迎来包括大中华区在内的全球5000位行业、商业和科技领导人、IBM客户与合作伙伴、媒体、分析师和投资者参与,有180多位各行业杰出人物带来精彩演讲,上千家企业分享行业洞察和最佳实践,探讨如何合作与创新,加快企业级AI的落地与规模应用。
寻找AI规模化应用的正确路径,提升生产力、加速创新,通向AI领导力
今年的IBM Think 是企业与AI规模化应用所需的专业知识和技术进行连接的绝佳机会,大会将以5月20日的IBM Partner Plus Day拉开序幕,21日正式开启。大会将围绕四大主题展开——通过数据和治理增强对人工智能的信任,利用混合云基础设施加速人工智能,跨业务领域扩展 AI,利用人工智能和量子创新未来。
企业应用AI的迫切性已无需赘述。生成式AI将人工智能应用的门槛大大降低,各行业都在期待AI规模化应用时刻的到来,期待一波新的AI浪潮能帮助他们实现生产力、效率和服务质量的大幅提升,这样的期待背后也有各企业对如何将大局分解到构成要素,并形成自身切实行动方案的AI焦虑。
为此,继去年Think大会上发布新一代 AI 与数据平台watsonx之后,今年的Think大会进一步以“AI规模化应用”为主题,更加深入和切实地探索如何帮助企业克服AI应用的障碍,加快AI的规模化应用——
IBM中国40周年,携手客户与合作伙伴共赴盛会、共绘AI蓝图
今年是IBM进入中国40周年,IBM进一步聚焦企业级AI,以“做开放生态的召集人,做可信技术的共创者”的新定位,呼唤中国合作伙伴和企业客户共创共赢。在这一承前启后的历史时刻,来自中港台金融、汽车、制造、互联网、航空等行业的20多家IBM的客户与合作伙伴企业高管将与IBM同仁一道前往波士顿,共赴Think2024盛会。
IBM的老朋友、有着25年合作历史的神州数码便是今年Think大会的参会企业之一。神州数码企业云业务集团IBM事业部总经理左英表示,生成式AI带来的这一波AI浪潮是一场范式的改变,对企业而言是千载难逢的变革机遇。这次参加Think大会,期待可以了解最前沿的技术和趋势,借鉴国外同行在AI应用方面的实践和经验。我们也期待,未来神州数码与IBM结合双方的技术能力和市场优势,形成更大合力,将基于生成式 AI 技术的解决方案带给更多中国的和海外的客户。
拥有50多年链条研发、制造经验的行业龙头苏州环球科技股份有限公司(简称环球科技)也是参会企业之一。此前,环球科技与IBM合作对业务系统和流程进行深度重塑,实现了数字化的生产流程超级自动化,也正走在利用watsonx 锻造下一代AI生产力的前沿。此次参加Think大会,环球科技总经理黄雅丹期待深入了解更多前沿科技、领先理念和行业最佳实践,以进一步通过数字化和智能化带动企业高质量持续成长。
北京易慧涌现智能科技有限公司(简称易慧智能)运营副总裁王刚将前往波士顿,参与本年度备受瞩目的Think大会。王刚表示, Think大会不仅是一场科技与智慧的盛宴,更是一个探索未来、启迪创新的平台。易慧智能非常期待在大会上深入了解最新AI技术趋势,与业界同仁共同探讨汽车行业如何有效运用AI Agent等前沿技术。未来,易慧智能将与IBM携手合作,通过整合技术、方案与服务形成完整的闭环体系,为车企提供一站式解决方案,助其完成智能化转型的最后一公里。
北京元亿科技服务有限公司(简称元亿科技)是IBM及自有存储系统与软件等产品的重要的IT解决方案提供商。元亿科技IBM事业部总经理董寒苹女士将前往并参加今年Think大会,她表示非常期待亲身感受IBM最新的产品和解决方案,深入了解AI企业级应用如何落地中小型企业以及汽车、制造等行业,这对为本地客户提供优质服务有着现实直接的帮助。
Think大会不仅是科技的盛会,也是IBM与包括客户与合作伙伴在内的企业共同畅想未来的舞台。通过这一年一度的聚会,IBM向全球企业发出“携手共创”(Let’s Create)的邀请,让我们一起成为让世界更美好的催化剂。
如需了解更多Think 2024信息,请访问:https://www.ibm.com/events/think
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。