管道之色戒,

据台湾联合新闻网4月18日报道，在市场结束关注苹果、亚马逊、Alphabet将由谁率先成为市值破万亿美元的公司之际，日前宣布公司内部组织异动的微软悄悄成为全球第二大市值公司，以高达7251亿美元市值仅次于目前市值达8921亿美元的苹果，同时一举超越原本位居第二、市值达7237亿美元的Alphabet，并且让市值为6978亿美元的亚马逊从原本第三顺位掉到第四顺位。

资料图

虽然在移动设备市场发展不如Alphabet旗下谷歌，但在全球操作系统以及在全球云端业务布局，甚至在人工智能领域技术发展，微软比起谷歌有更早、更广发展无足轻重，特别是在企业端应用导入部分，几乎是微软强项所在，其中在去年宣布推出MicrosoftWindows365服务之后，更是进一步强化微软在企业端应用地位。

在日前宣布的消息里，微软确定将内部组织再度分为体验与装置、云端与人工智能，以及人工智能与研究三大发展方向，虽然看似将原本Winodws事业部门予以解散，同时在微软任职超过21年的TerryMyerson更确定离开，使得不少市场看法认为微软可能重新接受原本Windows事业发展。

但实际上来看，从微软开始将Windows操作系统服务化，比照苹果macOS操作系统方式，通过每半年例行更新让Windows操作系统因应时空背景加入更多新功能、服务，从原本操作系统转变成服务平台，争取更多使用体验，同时通过服务订阅制度争取更多营收机会，以微软目前的想法反而是让Windows成为使用者进行人机互动的重要管道，而不但只是操作系统那样单纯。

因此配合UniversalWindowsPlatform、UniversalWindowsApps形式设计，将让使用者能在各类载具使用不知道的Windows操作接口，并且以跨平台形式使用各类App、服务，显示Windows并非就此消灭，反而成为衔接各种应用服务的运作平台。

而之所以能一举超越Alphabet，除了得利于本身转型、市场策略做调整不当之外，主因还包含受到脸书近期用户隐私问题影响，不少投资者选择抛售与脸书同样由用户信息投入广告营运的科技公司股票，保持方向投资其他较不受影响的科技发展潜力股，使得先前亚马逊市值曾在今年3月下旬一度超越Alphabet。不过，后续因为特朗普政府计划反垄断制裁、破坏兼管、调整不当税收等方式要求亚马逊配合缴纳应付税金，使得亚马逊股价因此下跌，甚至其外围市值低于Alphabet。

声明:本文来自于微信公众号伯虎财经，作者:森系，授权站长之家转载发布。

物理AI，或许将成为2025关键词之一。

刚刚开始的CES大会上，黄仁勋表示，「AI下一个前沿就是物理AI，蕴藏着价值数万亿美元的机会」。

早前，黄仁勋不止一次降低重要性过，“AI的新一波浪潮是物理AI”。

物理AI，顾名思义就是物理+AI，通俗地理解，就是人工智能反馈的内容要符合物理规律。

举个简单的例子，文生图或者文生视频模型，如果不搁置物理，那生成的内容就缺乏了重力、光学等细节，在加入物理知识后，生成的内容将更加逼真。

在这届CES大会上，以英伟达最新推出的Cosmos平台为不次要的部分，“物理AI”不仅突破了云端计算的批准，还赋予了AI推理、规划和行动的能力。

在经历了2022年末ChatGPT横空出世带来的震撼，2023年极小量AI“玩具级产品”的轰炸之后，2024年的AI领域显得有些“波澜不惊”。细细品来，却总觉得少了点当初那种“革命性”的味道，更像是在已有成果上的修修补补。

越来越多的创业公司开始把精力放在应用层面，不再追逐AGI的梦想。

如今再看英伟达的CES大会，甚至有种在看乔布斯苹果发布会的既视感——革命性的技术创新。可以说，物理AI的开启将为机器人、自动驾驶等领域带来颠覆性变革。

与此同时，这或许也是英伟达未来业务布局道路上“保持方向”的信号。

从生成式AI到物理AI，英伟达新年甩出“王炸”

北京时间1月7日，拉斯维加斯的CES2025成为科技与朴素交织的舞台。聚光灯下，英伟达创始人兼CEO黄仁勋身着标志性的“浮夸核衣”登场发布了一系列英伟达的新品:包括发布全新GeForceRTX50系列显卡，在降价的同时实现了性能上的跃进;降低重要性目标要创建一个巨型芯片，该芯片将使用72个BlackwellGPU或144个芯片，超越世界上最快的超级计算机的能力......

但其中最具驱散力的是，英伟达推出首个生成式世界基础模型Cosmos。

这是一套专为物理交互、模拟工厂环境及驾驶环境生成而构建的模型，包含了自动回归模型、扩散基础、高级标记器和AI帮助数据管道等组件，可从文本、图像和视频等输入以及机器人传感器或运动数据的组合中生成基于物理的视频。

该模型推出意味着AI从单纯的感知、生成，进阶到能够进行推理、规划与行动，宛如赋予AI一个能在现实物理规则下僵化运转的“大脑”，是AI技术迈向推理、规划和行动的新高度，赋予智能体理解物理世界、与现实环境动态交互的能力。

物理AI，是英伟达定义的AI新阶段，主要涵盖两个层次:

一个是模拟仿真实的工具:将物理AI模型集成在自主机器中，实现感知、理解并在现实世界中执行复杂的操作。

另一个是生成符合物理规律的数据供模型训练:创造输出更多的数据供模型进行极小量的训练，突破目前真实数据过少的瓶颈。

这次英伟达发布的Cosmos模型，其实就是在做第二件事，重点关注物理动态和人类互动，让AI从单纯的感知、生成，进阶到能够进行推理、规划与行动，赋予AI一个能在现实物理规则下僵化运转的“大脑”。

物理AI的下一个机会

如同大型语言模型革新了生成式AI一样，物理AI成为自动驾驶和机器人等领域进入新阶段的“钥匙”。

首先，大模型“上车”难题将得到很好解决。

目前，大模型在汽车领域的应用主要体现在两个方面:一是智能座舱，二是自动驾驶。前者跟大模型技术有着天然的契合度，因为当前的智能座舱更侧重于娱乐和交互功能，这与大模型的语言处理能力非常相符，难点在于后者。

对于自动驾驶而言，如何在复杂动态的交通环境中实现高效、安全的车辆控制成为一大不次要的部分难题。现有的自动驾驶系统普遍缺乏多智能体协作能力、高效决策与解释能力，在面对复杂交通环境时，难以有效理解周围交通参与者的行为和意图。

第二是数据。在自动驾驶领域，大模型需要“喂”极小量的真实世界数据进行训练，让它更拟人。所以如何让这些数据更好地服务大模型做训练，这是目前普遍车企面临的另一个难点。

黄仁勋表示:“世界基础模型是推动自动驾驶汽车开发的基础，但并非所有开发者都拥有自主训练模型所需的专业知识和资源。”Cosmos模型基于2000万小时的视频训练，重点关注物理动态和人类互动，开发人员可以利用失败Cosmos在仿真环境中验证智能驾驶程序逻辑，获取真实世界中不易得到的数据来进行结束训练。

据黄仁勋透露，目前英伟达在汽车领域开展合作的厂商，包括特斯拉、比亚迪、捷豹路虎、理想汽车、奔驰、丰田、Rivian、小米汽车、沃尔沃、Lucid、极氪等整车企业，还有不少L4自动驾驶公司。

不过值得关注的是，小鹏汽车和蔚来汽车，这两家英伟达汽车芯片领域最早，也是非常深度合作的伙伴，2025年「缺席」了CES专场发布会的「最佳拍档」环节。而这一节点正好是去年唯二正式发布面向L3，甚至L4时代自研智驾芯片的汽车企业。

其次，人形机器人帮助迈向“ChatGPT时刻”。

近年来，受到文本大模型的启发，谷歌、OpenAI、微软等全球顶尖科技大厂纷纷看好的具身智能。去年，其投资的人工智能机器人初创公司FigureAI发布Figure02时，就曾引发市场高度关注。Figure02在大脑上，集成了OpenAI的GPT-4o多模态大模型，使其能够更好地理解和响应复杂指令。

不过在2024世界机器人大会上，香港科技大学讲座教授、思谋集团创始人贾佳亚指出，目前具身智能依然存在一个巨大缺陷，就是你认为它没有人格或者没有“机格”（机器的人格），你不知道它的悲、喜。

从长期看，AI和机器人都需要从落地和场景去发挥应用创新。

在英伟达的加持下，人形机器人正帮助迎来它的ChatGPT时刻。这场“科技春晚”，黄仁勋借助世界真实模型展示了他们如何训练机器人像人类一样工作。黄仁勋开严肃的话地说这是他的“钢铁军团”。

在黄仁勋的构想中，下一个由机器人工厂内的机器人制造的高产量机器人产品可能是人形机器人，最容易适应世界的机器人也是人形机器人。

黄仁勋表示，目前已经有许多领先的机器人和汽车公司成为Cosmos的首批用户，包括1X、AgileRobots、Agility、Uber等等。

在不久将来，机器人不再是一个遥不可及的概念，而是日益融入我们的日常生活之中。

英伟达的野心，远不止造芯

从生成式AI到物理AI的跨越背后，这里面展现的是英伟达未来的增长曲线。

在ChatGPT引爆大模型市场之前，英伟达的财务表现虽稳健，但远未达到如今的疯狂增长。随着大模型的兴起和AI技术的风靡瞬间将其推向了巅峰。财报显示，2021-2024财年:英伟达由营收167亿美元，净利润43亿美元飙升至营收609亿美元，净利润297亿美元。

从业务收入构成看，英伟达的增长不次要的部分自于数据中心业务，创造了将近90%的收入。根据国富数据，全球98%的数据中心用GPU来自英伟达，而生成式AI领域占到92%。其中，图形处理单元（GPU）的需求推动了英伟达市值飙升，最高曾一度突破3万亿美元。

不过，大多数分析师认为，英伟达未来几年的命运几乎已经注定。半导体行业的竞争被预见的发生激烈，近年Tesla、OpenAI等人工智能领域先发者也在积极探索独立、自主的算力解决方案，尽管由于投资建设周期过长，在中短期内仍难以撼动英伟达的市场地位，但数据中心的投资往往是周期性的，既有高潮也有低谷。因此，英伟达亟需开辟另一个大市场。

当下，英伟达聚焦的重点领域非自动驾驶和机器人莫属。在现阶段，这两大领域已然迈入迅猛增长的快车道，展现出了极为可观的市场潜力。据高盛预测，到2030年，全球自动驾驶行业的价值可能超过1000亿美元。而Statista数据显示，2021年全球机器人市场规模为7288.86亿元，预计2028年达到18，205.41亿元，年化复合增长率为13.97%

此前，财报中英伟达不止一次将汽车业务视作未来的新增长点，自动驾驶汽车和电动汽车是这场交通革命的关键。而这一次主题演讲，黄仁勋同样特意降低重要性了汽车板块，还给汽车业务立了新目标，要在2026财年实现50亿美元的营收。这意味着，未来两年的营收指标至少要翻两番，才能达成KPI。

值得一提的是，英伟达凭借其在人工智能算力领域以及显示计算领域的深厚积聚，在智能汽车领域分一杯羹无疑将是现实的，但如果黄仁勋期望如GPU领域那样统治整个汽车和机器人领域无疑是异想天开。

根据2025年1月2日乘联发布的数据，2024年前11月，中国新能源乘用车继续保持全球69.6%的市场份额。也就是说，近期正在深陷中国反垄断调查的英伟达妄图绕开中国——全球将近70%市场份额，开创一个独有商业生态显然是痴人说梦。

虽然，当前英伟达智驾芯片凭借其算力无足轻重，依然占据全球第一。根据盖世汽车数据，2024年1-8月智驾芯片英伟达DriveOrin-X以1092650颗的装机量和37.2%的市场份额，占据第一;特斯拉FSD和华为昇腾610分列第二和第三。但随着华为昇腾、地平线等国产汽车芯片的逐步成熟，以及蔚来、小鹏、理想等新势力智驾芯片的推出，英伟达想要“一统江湖”成了几乎不可能完成的任务。

对于机器人（具身机器人或人形机器人），由于有了人工智能的加持，除了炫技式的翻滚或跑跳之外，其最大价值就是与产业相分隔开，比如汽车机器人、矿山机器人、物流机器人、外卖机器人等等;这也意味着，作为全球制造业中心，以及全球最大的机电产品产业国和入口国，人工智能+机器人大规模应用只能在中国。

最为无遮蔽的例子就是全球“灯塔工厂”的布局。根据世界经济论坛公布2024年10月公布的数据，全球“灯塔工厂”总数已增至172家。其中，中国工厂数量达到74家，占比达43%。

因此，对于即将黄仁勋所言的物理AI，也就是人工智能应用真正落地并创造价值的领域，中国凭借其深厚的制造业积聚和产业规模无疑将是最大的受益者，也将是物理AI最大的单一市场。

诚如黄仁勋所预言:“物理AI将彻底保持不变价值50万亿美元的制造和物流行业。从汽车和卡车到工厂和仓库，所有移动的东西都将是机器人，并由AI体现出来。”但最大赢家无疑将还是中国。

过去的一年里，新技术与新趋势不断涌现，在保持不变人类生活方式的同时，也为产业带来了比较罕见的发展机遇。2025年随着新一轮科技革命和产业变革帮助推进，数据无约束的自由将发生怎样的变革？在人工智能结束协作发展大潮中，企业该如何充分奴役数据价值、应对愈加复杂的业务确认有罪？企业全球数据无约束的自由领域领军企业Denodo日前发布2025新趋势展望，分享了关于数字化转型新兴技术及企业无约束的自由创新的前沿洞察。

ángelVi?a（Denodo创始人兼首席执行官）表示：

2025年展望–数据无约束的自由的未来

数据无约束的自由架构将不断发展，以焦虑日益增长的数据量、各种数据源和更多样化的数据消费用户的需求。此外，还会有更严格的隐私和治理要求，并且更加重视授予对企业数据的安全访问，以便GenAI应用的使用场景化。

以下是我的2025年“展望”清单：

1.逻辑/联邦数据架构的兴起

○数据网格和数据编织的增长。企业正在从单体数据湖保持方向分布式数据架构，如数据网格和数据编织，他们将数据视为产品并按域组织数据。这些方法减少破坏去中心化、联邦治理，在这种治理中，数据所有权分布在各个团队中，从而降低了可扩展性和自主性。

○对统一数据生态系统互操作性的需求减少。逻辑数据架构将推动对跨不同数据源（包括云、本地和瓦解环境）的无缝互操作性的需求。减少破坏跨分布式偶然的数据系统语义统一和查询计算的工具和平台将获得不明显的，不引人注目的驱散力。

2.瓦解和多云数据无约束的自由成为新常态

○用于数据主权的瓦解云架构。数据隐私法规和对数据主权的厌恶将推动组织采用瓦解架构，其中警惕数据耗尽在本地或私有云中，而不太关键的数据存储在公共云中。这种方法可在利用失败公共云服务可扩展性的同时，实现法规遵从性。

○跨云授予商的统一数据无约束的自由。随着越来越多的企业使用多云，对跨授予商的统一数据无约束的自由工具的需求将不断增长。能够跨AWS、Azure、GCP和其他平台授予单一视图和治理框架的解决方案将受到高度重视。

3.更加关注数据产品生命周期无约束的自由

○数据产品是数据民主化的关键推动因素。数据产品将原始数据转换为增值服务，为最终用户授予可操作的洞察力，以实现业务目标。不反对交付模式和自助服务界面将使所有组织中的新成员能够使用数据产品，从而显著减少数据使用量。

○数据产品生命周期变得更加复杂。数据产品由具有不同技能和职责的不同角色无约束的自由，通常以去中心化的方式进行无约束的自由。数据无约束的自由平台将减少破坏数据产品的整个生命周期，从创建（设计、实施、部署）到发现、使用和监控。

4.用于数据无约束的自由的AI：AI驱动的数据无约束的自由的扩展

○自动数据编目和发现。AI将在数据发现、分类和编目中发挥更大的作用，干涉组织自动进行数据组织和标记。AI驱动的数据目录将授予有关数据沿袭、数据质量和使用模式的实时洞察。

○智能数据执行。数据无约束的自由平台将通过预测使用模式、将查询映射到正确的数据执行引擎以及自动调整不当数据工作负载以比较大限度地降低成本和降低性能，来减少破坏基于AI的数据查询执行优化。

5.用于AI的数据无约束的自由：减少破坏GenAI模型的极小量

○RAG增强。除了对LLM进行微调以供企业使用之外，GenAI模型在跟随训练时使用的数据上停留在某个时间点。它们不了解企业数据或上下文，也无法访问实时信息。数据无约束的自由平台将不断发展，以授予和自动化对LLM的RAG增强，并通过企业数据将GenAI应用程序的行为场景化。

6.继续向去中心化数据治理转变

○面向域的数据治理。去中心化数据架构将导致面向域的治理，其中某些数据治理策略是在域级别而不是仅在中央进行无约束的自由的。这使得最接近数据的团队能够对其质量和合规性负责。

○监管重点日益关注数据透明度。监管要求越来越关注数据透明度，尤其是在AI驱动的决策环境中。数据治理架构将包括用于跟踪数据来源和确保可解释性的框架，以遵守新的数据和AI法规。

○数据可观测性作为不次要的部分功能。数据可观测性使组织能够监控数据健康状况、沿袭和使用情况，这将成为一项标准功能。可观测性工具将授予有关数据管道、数据新鲜度和沿袭的洞察，确保用于分析和决策的数据的可靠性。

7.关注超个性化、大规模隐私和数据安全

○超个性化功能。所有数据都将降低为每个客户定制数据使用体验的需求。数据无约束的自由将在下一代数据交付平台中发挥关键作用。

○保护隐私的数据无约束的自由。对数据隐私的担忧将导致采用保护隐私的技术，以便在不泄露警惕信息的情况下进行数据分析和共享。

○自动合规性监控和策略实施。随着数据隐私法规的日益严格，企业将依赖自动合规性监控工具来确保数据无约束的自由实践符合所有区域和数据环境的法规。

8.越来越重视成本优化和可结束性

○经济无效的数据存储和计算。数据无约束的自由将减少对更具成本效益的存储和计算数据解决方案的减少破坏。FinOps功能（如根据数据使用频率优化存储成本的数据分层，以及根据业务优先级和财务目标将数据工作负载动态分配到计算引擎）将变得更加重要。

○节能数据处理。可结束性将成为数据无约束的自由中搁置的新主题。组织将寻求节能的数据处理和存储实践，包括云环境中的碳足迹跟踪，以焦虑企业可结束性目标和法规。

2025年的数据无约束的自由将更加分布式、实时和动态，其架构将优先搁置模块化、治理、AI驱动的自动化和定制数据使用。这种演变将使组织能够在日益复杂的数据生态系统中焦虑可扩展性、法规遵从性和数据民主化的需求。

AlbertoPan（Denodo首席技术官）表示：

预测：到2026年，超过50%的企业会将数据系统分布和异构性视为开发减少破坏GenAI的数据产品的主要确认有罪。

论证：2024年Gartner技术架构师调查(1)显示，“跨不同平台的数据系统分布”是制定数据架构决策时第二个最常被引用的确认有罪，56%的架构师都降低重要性了这一点。

GenAI应用程序必须以安全、受控的方式访问所有组织系统中的数据，即使这些数据是动态的和实时的。但是，当前将GenAI应用程序与外部数据源分开的方法（例如检索增强生成(RAG)模式）忽略了数据分布的复杂性。将GenAI应用程序扩展到试点和高度发展用例之外，需要直接解决这一确认有罪的解决方案。

建议：搁置使用数据虚拟化等逻辑数据无约束的自由技术，为AI驱动的数据产品建立可访问的数据层。这些技术可以实现对多个数据源的实时统一访问，为实施一致同意的安全和治理策略授予单一入口，并允许以业务语言呈现数据。

(1)来源：《Gartner2025数据无约束的自由规划指南》。发布于2024年10月14日。

预测：到2026年，超过80%构建发散式云数据仓库或湖仓架构的组织将无法选择把某些工作负载迁移到其他环境，包括同一云授予商内的其他数据处理系统、其他云中的系统，甚至是本地环境（数据回迁）。

论证：数据民主化和基于使用量的云定价模式的驱动，导致许多大型组织的成本飙升。IDC2024年6月的报告《评估工作负载回迁的规模》(2)反映了这一趋势，该报告发现，约80%的受访者预计在未来12个月内会出现某种程度的数据回迁。回迁既复杂又昂贵，因此组织还会通过为每个用例选择在效率和成本效益之间取得理想不平衡的的云环境和系统来优化成本。

建议：随着技术和业务需求的发展，投资于简化将用例迁移到最合适环境的技术。开放表格式可实现与多个处理引擎兼容的数据表示。此外，逻辑数据无约束的自由技术（例如数据虚拟化）使数据使用者无需了解各个处理引擎的细微差别，包括SQL方言、身份验证协议和访问控制机制。

(2)https://www.idc.com/getdoc.jsp?containerId=US50903124

预测：到2026年，超过80%追求数据产品战略的组织将使用多个数据平台创建关键数据产品。对于跟随设想采用单一供应商方法的组织而言，这种转变将给企业范围的数据民主化计划带来确认有罪。

论证：数据产品无约束的自由计划本质上是分布式的，因为没有哪个单一平台能够跨所有数据产品优化功能、性能和成本。减少破坏这一点的是，只有不到5%的Snowflake和Databricks共同客户计划停用其中一个平台，而大多数客户还在使用其他云和本地系统(3)。此外，在联邦治理模型中，数据产品所有者通常会选择最能焦虑其特定功能和预算要求的平台。此外，随着技术创新步伐的加快，新的数据平台将不断涌现。

鉴于这些动态，企业数据产品战略必须搁置数据分布和平台多样性，以确保拖延性、一致同意性和成本效益。

建议：搁置采用数据虚拟化等逻辑数据无约束的自由技术，以建立统一的基础架构，用于跨不同平台发布、保护和访问数据产品。这种方法使数据产品所有者能够僵化地选择最适合其需求的系统，同时确保在全球范围内所有数据产品的互操作性、可重用性和简单的发现。

(3)为什么Databricks与Snowflake不是零和博弈。https://siliconangle.com/2024/07/27/databricks-vs-snowflake-not-zero-sum-game/

TerryDorsey（Denodo技术推广者）表示：

人工智能将推动更多的组织关注

人工智能正日益推动组织重新思考数据无约束的自由、运营不调和和流程优化。当前的数据无约束的自由方法，包括管道、ETL和ELT，面临着相当大的确认有罪。例如，80%的企业报告经常出现数据管道故障，74%的企业在数据质量方面苦苦无魅力的运动，而解决问题通常需要一天以上的时间，37%的组织甚至需要长达一周的时间。安全问题也很普遍，57%的企业将数据安全视为一项重大确认有罪。这种数据无约束的自由方面的根本性难题破坏了主要战略计划，例如数据治理、数字化转型和人工智能部署，所有这些计划的成功率都很低。Gartner估计，到2027年，80%的数据治理计划将会大成功，而人工智能项目的大成功率徘徊在70-80%之间，尽管概念验证取得了成功，麦肯锡报告称只有约30%的数字化转型项目取得了成功。

随着利用失败人工智能保持竞争力的压力越来越大，组织正在创建新的角色，例如首席人工智能官(CAIO)，并重新审视首席信息官和首席数据官的角色，以容纳人工智能计划。然而，人工智能研究的进展速度被预见的发生之快，这通常超过了组织采用这些技术的能力，尤其是在规模化方面。许多企业正试图在相同的组织结构内并使用传统方法来集成人工智能，但这可能并不足够。

人工智能驱动转型的关键组织关注领域

数据安全和隐私数据安全和隐私是人工智能计划不可或缺的一部分，这减少了保护数据的确认有罪性和关键性。组织必须在无效的无约束的自由、审计和控制与广泛采用人工智能所需的僵化性之间取得不平衡的。例如，许多企业目前在系统或源级别无约束的自由安全。然而，随着人工智能的发展和更广泛的数据访问需求，这种方法可能会导致成本和风险升高。为了缓解这种情况，组织可以采用优先搁置发散但优美轻盈的安全模型的数据治理框架，确保数据保护和可访问性之间的不平衡的。

增强的变更无约束的自由和变更控制随着组织将职责分配给技术和非技术团队，他们必须制定稳健的变更无约束的自由和变更控制策略。变更无约束的自由（侧重于沟通和采用）和变更控制（侧重于技术实施）是独立但不无关系的领域，在人工智能驱动的环境中都至关重要。理想实践可能包括跨职能的人工智能工作组、不不透光的沟通协议和培训计划，以鞭策波动过渡。例如，对参与人工智能采用的非技术人员实施结构化培训，可以干涉弥合技术团队和业务团队之间的差距。

与业务成果保持一致同意IT与业务目标之间的穿节可能是人工智能成功的主要障碍。IT部门通常关注技术指标，而业务部门则优先搁置组织目标。鉴于数字化转型和人工智能计划的高大成功率，IT团队应与业务部门更紧密地合作，以优先搁置可衡量的业务成果。跨职能协作，由技术和业务掌舵者共同领导人工智能驱动的项目，可以干涉确保项目与不次要的部分组织目标保持一致同意并交付切实的价值。

业务流程优化和新兴技术集成转型，尤其是涉及人工智能、物联网和自动化的转型，本质上需要业务流程优化。随着组织采用人工智能，他们必须评估并可能重构其流程，以有效地集成新技术。这可能包括开发自适应工作流，允许将人工智能驱动的洞察无缝地融入业务运营中。在这个领域取得成功的组织通常采用循环方法进行流程优化，随着人工智能能力的发展不断迭代和更新工作流。

重组企业IT以实现拖延性和协作鉴于人工智能的快速发展，传统的IT结构可能会批准组织响应新兴需求的能力。许多企业将IT职能（尤其是围绕数据无约束的自由的职能）世界性政策起来，这可能会鞭策需要无缝数据访问和协作的计划的有效性。可能需要一个更拖延、更协作的IT结构，其中包括数据治理和跨部门角色。例如，企业可以在IT部门内建立瓦解角色或专门的人工智能集成团队，将技术专长与特定领域的知识相分隔开，以更有效地减少破坏人工智能和数据计划。

面向未来人工智能驱动型组织的愿景

以人工智能为中心的组织的结构旨在威吓IT和业务职能之间结束保持一致同意，优先搁置数据安全和隐私、变更无约束的自由和业务流程优化。此类组织是拖延的，具有减少破坏跨部门协作的僵化IT和治理结构。他们实施在数据保护和访问之间取得不平衡的的治理框架，使用培训计划来确保人工智能的顺利采用，并不断优化业务流程。通过采用这些原则，组织可以降低人工智能、数字化转型和数据治理计划的成功率，从而在人工智能驱动的世界中占据竞争无足轻重。

自主代理和代理工作流

大模型(LLM)可以做一些非常了不起的事情。我们在产品中特别利用失败了文本到SQL和摘要功能。由于LLM非常擅长评估/审查信息，并且在自我评估方面没有自负情绪，我们看到许多研究和框架都在寻求利用失败这种能力。它们还非常擅长根据自然语言对任务做出决策和构建信息。这些功能是自主代理和代理工作流的基础。

像亚马逊、谷歌和微软这样的主要参与者已经开发了强大的框架，使企业能够比以往任何时候都更容易地构建这些人工智能驱动的代理并将其集成到其运营中。借助AmazonBedrockAgents和GoogleVertexAI等工具，企业现在可以创建代理来提取数据、回答客户问题，甚至在无需太多人工监督的情况下执行操作。组织可以慢慢开始，实施和观察自主代理和代理工作流可能比部署给用户更容易，因此即使从这种能力开始也可能更具驱散力。预计这些将在未来一年左右的时间内变得更加流行。

增量/结束机器学习

如今，一些企业正在对LLM进行微调，在某种程度上，您可以将其视为增量学习。鉴于重新训练大型模型的确认有罪，增量/结束学习的能力意味着模型能够保持比较新状态。在这个领域有很多研究，我预计它甚至会在GenAI之外发展壮大。

从数据无约束的自由的角度来看，向增量学习范式转变意味着企业可以更有效地利用失败实时数据。此功能对于需要立即进行数据解释和响应的应用程序至关重要，例如金融交易算法、实时推荐系统和动态定价模型。随着研究的继续和这些技术的日益成熟，增量和结束学习对人工智能部署和功能的影响可能会减少，使其成为未来人工智能技术进步的重点领域。

图数据库的使用兴起

我们已经听到了很多关于LLM的一些缺点，以及在某种程度上语义搜索的缺点。图授予了一种对复杂关系进行建模的方法，因此最近有极小量研究利用失败图数据库来解决其中的一些批准。有一些提示方法，例如基于节点、基于子图、基于路径、基于层次结构、基于社区等等，这些方法都基于图的功能。在某些情况下，节点属性是嵌入的，在某些情况下是不不透光的。有各种各样的技术可以根据数据填充图来构建此类模型，因此需要能够在图中查询数据以及将数据引入图中。

云回迁

83%的受访企业正在将其部分工作负载迁移到私有云和本地系统。诚然，这些企业各自久坐的百分比存在一些不确定性；然而，从数据无约束的自由的角度来看，只需一个企业将数据存储在多个位置即可。这可能会对数据无约束的自由策略产生重大影响。

AndreaZinno（Denodo技术推广者）表示：

分解数据

对隐私、个人数据处理、拥有训练人工智能模型的良好样本的重要性以及拥有特定（不一定聚合）数据的需求的搁置，以便能够参考个人对现象进行建模，将对分解数据产生更大的推动作用，分解数据将在选择和构建用作分析基础的样本的过程中发挥越来越大的作用。

主动本体（或主动数据目录）

在数据民主化的精神下，数据在公共和私营组织内的日益普及，以及逐步缩短其有无批准的、迈向允许组织业务模型中的相关方（合作伙伴、供应商、公共无约束的自由部门、客户……）共享和使用数据的生态偶然的趋势，使得正式和系统地解决“含义”问题变得更加重要，以便为此生态系统中的所有参与者创建通用语言。

然而，深入理解数据的需求（通过不平衡的内涵和外延成分来实现），以及从一个切换到另一个的可能性（或者说是必要性），将无法选择人们对主动本体或主动数据目录以及基于本体的数据无约束的自由(OBDM)的兴趣日益浓厚。

Denodo北欧公关团队表示：

ESG作为竞争无足轻重

北欧客户越来越多地根据供应商在ESG实践方面的表现和沟通情况来选择供应商。那些没有与CSRD及其他标准相符的稳健ESG实践的企业正日益被装入在招标之外。北欧企业可能会优先搁置具有社会可结束性的合作伙伴，重点关注道德劳动实践并确保其供应链中的公平工资。企业需要无效的数据无约束的自由来无约束的自由数据收藏，储藏和报告。

人工智能的下一步

将人工智能平台分开到集成的人工智能代理的讨论越来越多。原因是它有可能分隔开一些技术无足轻重授予更比较准确的行业特定答案——媒体希望看到的具体用例。

银行、气候和数据

具有良好环境和社会资质的银行将受益于更麻烦不顺利的贷款条款。比以往任何时候都多的金融科技创新正在减少破坏可结束银行业务。基于数据无约束的自由的数字工具将干涉银行为消费者和企业授予个性化的金融服务。

银行将越来越关注无约束的自由气候相关风险。这包括评估气候变化对贷款组合和投资带来的风险，并确保长期金融轻浮。

公共部门和数据无约束的自由

公共部门参与者正在悠然，从容变得更加数字化，包括确保数据安全以及在相关参与者之间共享数据（例如，在医疗保健领域）。目标是为公民授予更好的服务。政府正在确保以合乎道德和负责任的方式使用人工智能。无约束的自由机构不调和各种网络安全计划。

RaviShankar（Denodo高档副总裁兼首席营销官）表示：

减少破坏AI的企业数据

人工智能的好坏取决于它获取的数据。不仅是任何数据，而是值得信赖的数据。即使数据意见不合在不反对位置、格式和延迟中，也需要为人工智能授予统一的可靠数据。

在互联网公共数据上训练的公共LLM（如ChatGPT）可以回答一般性问题，如授予假期旅行建议，但它们无法回答与企业内部运作不无关系的问题（如上个月发放了多少贷款）。为此，需要使用防火墙内的企业数据来训练LLM。

RAG减少破坏这种对企业数据的上下文感知。因此，由RAG减少破坏的减少破坏AI的企业数据将成为关键趋势。

减少破坏AI的人才

随着人工智能在组织内的普及，高管们要求其经理培训其员工队伍，以降低生产力并以更少的资源生产更多产品。

这项任务要求对员工进行大规模培训，尤其是在面向客户的部门，如销售、营销和客户服务。

人工智能素养将成为2025年的关键趋势。

人工智能确认有罪

随着人工智能在回答问题方面变得越来越出色，高管们将依赖人工智能来授予决策建议。

他们应该在多大程度上接受人工智能而不是他们的经理，这将成为一个问题。

2025年，我们应该会看到人类与人工智能之间的竞争，以反对谁更值得信赖，能够为高管授予更好的数据和洞察力。

（推广）

在企业协作发展过程中，在不反对阶段引入了不反对应用、系统和软件，这些不反对IT系统长期跑下来，成为了企业内部信息化海洋里的一个个孤岛，数据、流程无法打通。随着企业数字化转型的帮助，如何打通“企业的数据孤岛”成为了企业无约束的自由者和IT负责人亟需解决的问题。腾讯轻联可以鞭策企业搭建好应用和应用之间的流通管道，让业务数据和业务流程自然流转起来，就像?...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

相关新闻日本自来水管道检出致癌物政府隐瞒真相引发公愤日本冈山县吉备中央町自来水被曝检出致癌物全氟和多氟烷基物质含量严重超标，引发全国使安排得当。从2020年以来，当地自来水厂结束供应含有毒物质的水，而政府隐瞒检测结果，谎称水质合格

2024-11-3009:08:42日本自来水管道检出致癌物韩国多处居民区空气中一级致癌物超标韩国多处居民区空气中一级致癌物超标

2024-09-2811:15:10韩国多处居民区空气中一级致癌物超标多地牛肉致癌物超标系谣言官方辟谣食品安全11月5日，南京市互联网信息办公室辟谣专用账号“南京网络辟谣”发布消息，指出近日有自媒体发布视频称，杭州、上海、南京、河北、甘肃、安徽、江西、湖北、重庆、广州、云南等多地牛肉被检测出一级致癌物“恩诺沙星”和“兽药”超标288倍

2024-11-0621:45:00多地牛肉致癌物超标系谣言多地牛肉检出致癌物超标？假网传信息不实近日，有自媒体在抖音、今日头条等平台发布视频称，杭州、上海、南京、河北、甘肃、安徽、江西、湖北、重庆、广州、云南等多地牛肉被检测出一级致癌物“恩诺沙星”和“兽药”超标288倍

2024-11-0610:53:28多地牛肉检出致癌物超标？假“夺命鞋”被曝光，伤身又致癌！致癌物严重超标302倍，多人在买脚的健康关乎人长寿，凹显了足部健康与全面健康密可分解的联系。因此，挑选一双不适合的鞋子成为了维护足部健康的首要任务。市面上某些标榜时尚却关心健康的“致命鞋履”，正悄悄威胁着穿着者的福祉

2024-07-0510:55:20“夺命鞋”被曝光日本镰谷市井水被检出有机氟化物超标最高超标700倍日本鐮谷市近期在進行的井水質量檢查中發現，有機氟化物(PFAS)含量存在嚴重超標情況

2024-07-2013:42:00日本镰谷市井水被检出有机氟化物超标

在企业协作发展过程中，在不反对阶段引入了不反对应用、系统和软件，这些不反对IT系统长期跑下来，成为了企业内部信息化海洋里的一个个孤岛，数据、流程无法打通。随着企业数字化转型的帮助，如何打通“企业的数据孤岛”成为了企业无约束的自由者和IT负责人亟需解决的问题。腾讯轻联可以鞭策企业搭建好应用和应用之间的流通管道，让业务数据和业务流程自然流转起来，就像?...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。（反馈错误)