9月5日至6日,主题为“万物互联,聚变未来”的GIEC2017全球互联网经济大会在北京召开。大会上特斯联副总裁谢超进行了演讲,会后谢总接受了至顶网的采访。
采访中,记者与谢总就为什么物联网要与人工智能协同发展,以及什么时候才可以正式商品化的问题进行沟通。
“通过物联网中好像神经元一样的传感器来感知我们周边的环境,收集数据。人工智能好比人的大脑,可以对数据进行处理和挖掘。两者如果都是独立存在的话,生命会变得没有价值。”特斯联副总裁谢超先生用一个形象的比喻,开始了本次采访:
“物联网所收集的海量互动数据被视为是打开商业智能化时代的关键之匙,而要将IOT和AI应用落地,则必须找到一个能获取海量有效数据的切入点。因此,顺应时代发展趋势,特斯联锁定以IOT+AI为技术基础的“智能物联网”新赛道,全力打造未来建筑与未来城市的“智慧大脑”,为多场景生活、办公和城市管理提供行业解决方案。”
在采访中,谢总还向我们阐明了互联网与物联网的本质区别:
“传通的互联网,没有基于的相关设备,数据收集的通道,多通过于PC端、手机端收集相关的信息。先天的制约了数据收集或者说‘神经元’的密度。对于物联网而言,环境中的所有设备都会变成一个传感器,收集相应信息。物联网产生的数据量要远远大于互联网所产生的数据量,海量数据为企业提供深度的见解创造了可能。但物联网需要在每一个场景中进行深度改造,才可以将传感器部署进去。这需要扎扎实实、稳扎稳打的去进行发展。”
“传感器的成本逐年下降、趋于成熟的通讯技术、重要的随着人们多年对物联网的认知,洗去了物联网的浮华,现在可以脚踏实地的去做这个事情,无论是物联网还是人工智能,现在已经到了一个量变到质变的临界点。现在所需等待的是,在哪些行业中,可以先行对其爆发出来,比如现在的共享单车。”
“共享单车的行业领域比较单一,因此发展速度会很快。但物联网应用在例如建筑、工业、城市等综合领域的复杂场景时,它的发展就会慢一些。但是有前些年技术发展做基础,未来也会以更快的速度进行发展。”
在接下来的采访中,谢总还向我们强调:“特斯联在未来建筑中,打造的是一个未来建筑的操作系统——ABAS BI,它不仅能够将人力、设备、能源、通行与停车管理等运营数据,与楼宇自有信息技术系统互联互通,形成一个高效低耗的智能化楼宇管理平台;同时,ABAS BI操作系统相当于建筑的“大脑”,可以实时采集建筑运行各个方面的数据,并通过对海量建筑数据的采集、清洗、存储、传输、运算以及深度学习形成对楼宇的智能化控制,实现自动化运行通过在建筑中加设传感器或控制器,对整个建筑的运行状态产生完整了解,从而进一步提长建筑运行效率,降低使用能耗。”
“在未来城市中,特斯联在构建城市基础的全新平台,将建筑、人口、安防等数据进行收集,通过技术手段去分析,进而可以对整个城市更加深度的去进行管理。”
“而‘未来金融’则通过技术手段,创造了金融资产,开发创新金融产品,一方面助力‘未来建筑’及‘未来城市’项目的快速落地和扩张,另外一方面开创新的变现场景,成为撬动庞大行业应用市场的最佳杠杆。”
正是特斯联在物联网和人工智能领域的深耕细作,今年特斯联作为唯一代表中国的物联网企业入选了Gartner的《市场洞察:利用节能生态体系推动智慧建筑物联网解决方案的普及》报告。成为首个分析案例且篇幅最长,并且获得了国际一线分析师的极高认可。
截至2017年8月,特斯联已达300余人规模,其中,研发团队有国内外顶尖工程师150余人,获取及申请中专利约300项,并在全国范围完成智慧项目逾7000个,累计覆盖面积近6亿平方米,服务超千万人口畅享智慧生活。
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。