11月7日至9日,江南水乡乌镇,再次汇聚全球目光,世界互联网又进入了“中国时间”。来自世界各地的国际组织负责人、互联网领军人物相约于此,就共同创建和平、安全、开放、合作的网络空间,建立多边、民主、透明的全球互联网治理体系贡献智慧、凝聚共识。在11月8日召开的“物联网:连接无处不在”论坛上,亚信集团董事长田溯宁以“从万物互联到智能互联”为主题发表精彩演讲,全面阐释了万物互联引发的智慧商业物种将大爆发,公司新物种“客户运营商”随之诞生,并对支撑商业系统再造的边缘网络等创新技术进行了详细解读。
【亚信集团董事长田溯宁】
万物连接:引发智慧商业物种大爆发
物联网技术的大量普及,可以满足更为多样化的连接需求,实现更为广泛的人与人、人与物、物与物之间的连接,为各垂直行业领域的数字化、智能化创新奠定基础。同时,许多企业运用新兴技术和全新的商业模式,进而实现了飞速成长。
田溯宁表示:“科技跟生命一样,有着自己的进化历程。当万物连接的时候,全新的商业物种会出现,它们将不再以产品为中心,而是以客户运营作为最主要的增长途径。企业的形态会随之发生根本变化,如何理解未来世界,是企业在新生态环境下的生存准则。万物连接让海量数据和知识的获取变得更加容易,成本更低,这也直接促进了人工智能的飞速发展,其进化过程将从现在的看得见,变成会说话、会思考,为我们创造全新的生活体验方式。同时,我们这次迎来的变革之力,也会对生产方式、企业组织、产品模式进行重构,更多的企业可以通过将智能硬件和软件系统植入产品,满足消费者的真正需求。”
他同时指出:边缘计算将为新物种提供一个复杂的泛生态环境,边缘网络则将成为商业机构感知客户、服务客户的关键场所。
连接网络边缘:未来客户运营的关键场所
据IDC统计数据显示,到2020年超过50%的数据需要在网络边缘侧分析、处理与存储,边缘计算市场可超万亿。边缘计算是数据存储、处理能力从集中的云数据中心,向网络边缘和行业现场的延伸,其衍生的市场机遇几乎涵盖到与互联网相关的所有产业,每个企业都将身在其中。
田溯宁在演讲中谈到:“从个人计算机时代发展到云时代,如今所有的数据都汇总到云端,解决了数据集中处理和大数据分析的难题。但随着万物互联时代的到来,云又在分离。边缘计算的价值还更多的体现在商业运营方面,因为边缘网络能够更贴近客户提供智能服务,在可穿戴设备、智能家居、交通出行、零售餐饮等场景,边缘计算能够解决它们产生的海量联接、实时响应、数据优化、智能分析以及安全可控方面的挑战,商业机构将拥有丰富的感知客户、服务客户的能力,进而快速获取行业数字化转型的红利。”
商业系统:三大合力打造智慧未来
在以产品为中心的运营体系中,ERP是任何一个企业最重要的商业系统,它需要对企业的整个流程进行规划和管理。而随着5G时代的到来,我们正在从百亿连接进入到万亿连接时代,会形成各种各样连接产生的智能场景,会催生新物种的大爆发,并从根本上改变过去以产品和服务为核心的业务形式,而这些新物种都应该有一个名词:“客户运营商”。
针对“客户运营商”的新概念,田溯宁举了一个非常简单的例子:在万物连接的时代,汽车制造企业将不再只是单纯的汽车生产者,而是变成了汽车运营公司,汽车的状态、驾驶者的状态、意图、安全、预期、计费,都将成为公司运营的关键。而其背后支撑的软件系统,必须实时感知客户,预知客户需求。因此,当公司转变为“客户运营商”的时候,从过去以流程为核心的ERP到后来以客户为中心,以数据为中心,就需要以客户为感知的“E-BOSS”,而这也是亚信正在努力的方向。
田溯宁认为:基于边缘计算的客户运营能力、实时动态面向场景的智能化网络、面向生态合作的数字资产运营能力,将会协助企业完成商业支撑系统的升级再造。通过边缘计算,企业可以为客户提供更准确、更及时的体验,这不仅包括产品的快速孵化,更涵盖了超于客户预期的可能。在运营商层面,为支撑数字化转型,运营商网络需要提供支持动态变化的智能接入平台,以帮助企业实现快速的创新能力、敏捷的生产能力。当然,商业支撑系统的再造只是万物连接的一个方面,我们个人的生活方式,社会的运行方式,都会发生深度的改变。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。