仔细观察就会发现,组织在 AI 实施的各个阶段都面临着独特的挑战。在初始阶段,主要挑战是确定提供最大投资回报的用例并证明 AI 的整体商业价值。随着组织不断发展并寻求扩大其 AI 计划,出现了其他几个障碍。一是机器学习模型的充分维护和持续支持。另一个挑战是缺乏具备必要专业知识的人才。将 AI 无缝集成到现有业务流程、工作流和系统中也很复杂。需要关注治理和监控 AI 的开发和实施,以建立信任。
随着时间的推移和物联网 (IoT) 的扩展,计算机可以从中学习的数据越来越多。当计算机能够“看”、“听”、“理解”和“推理”时,它们就能更好地履行其核心功能,从而变得更高效、更有生产力、更有帮助。通过增强人类的创造力和能力,人工智能 (AI) 在从医疗保健到农业等各个行业都有着强大的商业价值。但微软 AI for Accessibility 计划的关键是让人类不要错过残疾人可以为社会提供的价值。残疾人的高失业率是一个问题,因为企业无法从大量富有成效的人口中获益。
• 受保护的知识产权是指所有智力劳动成果,无论其商业价值如何。这些包括但不限于文学和新闻作品、音乐、电影、电视节目、图形作品以及软件及其组件。知识产权作为商业秘密或专业技能,受法律(例如版权法、商标法、外观设计法或专利法)的保护。• 受保护的知识产权侵权行为包括未经适当许可表演、发行或展示受版权保护的作品,以及未经授权复制或发行知识产权副本(无论是实体形式还是数字形式)。• 保护知识产权是RTL集团作为媒体公司业务政策的核心,因此我们也希望我们的业务合作伙伴也这样做。
自 2022/23 年进行组织变革以来,我们加倍关注商业机会。我们将继续瞄准更具商业重点的举措和方式,通过创造新的收入机会和减轻成本负担为纳税人创造价值。我们将采取的一些方法包括从面向客户的资产中获取商业价值。这些包括广告、零售供应、体验机会以及与商业赞助商的合作。我们还在建立与电动汽车充电供应商合作的机制,以支持更广泛的威尔士政府脱碳计划。我们已经为在 CVL 上由 TfW 拥有的光纤网络上建立商业安排获得了积极的商业案例。我们希望在 2024/25 年推进这两项举措。
了解挑战 鉴于采用数字技术的高效性(例如,生产率提高了 40%),企业数字化的缓慢性却令人惊讶。目前,企业通常仅利用其生成的 30% 的数据。这种犹豫限制了他们以有意义的方式应用数据分析的能力,并限制了他们利用潜在商业价值的能力 [2,3]。显然,在承认使用数字技术的有效性与能够或愿意利用与数字化相关的难以想象的价值之间存在差距 [4]。通过分析现有趋势,ABB 调查了这一难题,发现根本原因不是缺乏数字化的愿望,而是不知道从哪里开始。
在过去两年中,企业大幅增加了对人工智能和生成式人工智能的投资。他们专注于战略性地使用这些技术来推动商业价值,并越来越意识到道德问题。人才培养和应对监管环境也是重点关注的领域。尽管挑战依然存在,但人工智能和生成式人工智能的潜在优势正在推动其持续采用和创新。在人工智能/生成式人工智能方面,企业已经通过概念验证超越了实验阶段,越来越多地将人工智能和生成式人工智能视为战略资产,将其整合到整个价值链中。
公司越来越多地在网络边缘生成大量数据。为了从智能传感器和物联网数据中获得最大的商业价值,组织正在寻找支持边缘计算的实时事件流解决方案。计算要求高的工作越来越多地在数据中心之外的边缘执行。人工智能 (AI) 推理是这一趋势的驱动因素之一。边缘服务器为这些工作负载提供了足够的计算能力,尤其是在使用加速器时,但有限的存储通常是一个问题,尤其是在多服务器环境中。在这里,我们展示了如何在边缘环境中部署共享存储,以及它如何在不影响性能的情况下使 AI 推理工作负载受益。
i. 标准制定组织(SDO)的工作和人工智能技术标准的制定可能在隐私、安全、公平和消除算法偏见等领域在客户、用户和企业之间建立信任方面发挥核心作用。 ii. 技术标准最终可能会支持不同企业的产品和系统之间的互操作性,从而简化新产品的采用,从而提高其商业价值。 iii. 然而,受访者指出,SDO 和技术标准对人工智能商业化的潜在影响尚未得到很好的确定;此类技术标准目前处于开发的早期阶段。 iv. 目前,我们的访谈表明,与 SDO 的合作主要由大型科技公司完成。
尽管锡是一种非常著名的金属,并被广泛用于工业领域,但就地壳的相对丰度而言,它是一种相当稀有的元素。全世界只有少数几个具有商业价值的锡矿(主要是氧化物锡石),因此纯锡是一种相对昂贵的商品。例如,根据伦敦金属交易所 1993 年的数据,锡的市场价值与镍相当,比铅高出约 20 倍。任何工业过程的目标都是利用最经济的操作条件来生产出高质量的最终产品。因此,鉴于金属成本相对较高,对于任何涉及使用大量锡或锡基合金的过程,充分确定最佳操作参数始终是明智之举。