企业成功使用人工智能的一个重要因素是员工对人工智能系统的接受度。这一点更为重要,因为人工智能的引入往往伴随着对个人数据处理和监控、对就业的影响、人性化工作条件的设计以及人工智能技术的培训和进修的担忧。透明、易懂的人工智能部署设计以及员工和公司代表以流程为导向参与变革过程是这方面的核心要素——以便能够在早期阶段解决保留意见,或为相互冲突的目标找到并协商建设性的解决方案——例如在数据使用方面。在现有建议框架内(例如欧盟人工智能高级专家组(2018 年))以及现有的使用、引入和处理人工智能系统的(法律)框架内,公司的道德准则也可以成为合适的工具。
目前制造的声纳浮标严重影响小型或中型无人机的射程和续航能力,并影响梅林直升机的性能。为了解决这个问题,国防科技实验室最近委托开展了一项研究,研究声纳浮标小型化的潜力。这项工作的第一阶段将量化这种小型化对性能的影响,并提供高级设计选项。预计的第二阶段将推进任何低 TRL 方面并生产原型元素以供演示。
为了应对日益加剧的拥堵压力、气候可持续性以及后疫情时代社会不断变化的需求,交通运输机构正在对物理和技术基础设施进行大量投资。这些基础设施投资正在推动产生的数据量以及优化性能和满足客户需求所需的数据量呈指数级增长。为了应对这一挑战,交通运输机构正致力于改造其许多技术资产和企业系统的核心,这些系统也需要高昂的投资成本和实施时间框架——对于管理流程和数据的核心系统,这可以看作是一种“由内而外”的方法,与生成和呈现数据的交通网络中的技术形成鲜明对比。
印度的农业呈现出一种奇怪的悖论。一方面,农业占 GDP 的很大一部分,但另一方面,该行业在土地、流动性、劳动力和数字化方面的资源投入却极其有限。更糟糕的是,印度只有不到 1% 的农业依靠拖拉机等基本工具。印度农场的错落有致,87% 的农田面积不足 3 英亩,其中 40% 的农田为合同农业。在商业方面,农业部门对 GDP 的总贡献从 2015 年的 17.5% 下降到 2019 年的 16.5% 左右。这直接导致农民收入低,在世界范围内属于最低水平。这种“资源匮乏”的悖论迫切需要实现数字化和技术支持。换句话说,重新思考和重新调整印度农业供应链三个阶段(从农场到市场再到消费者)的优先事项。
为了满足这一业务需求,企业开始转向可重新编程的 SIM 卡(也称为 eSIM)。标准 SIM 卡包含一个配置文件(也称为订阅),该配置文件将卡和包含该卡的设备与特定运营商关联,并允许设备使用该运营商提供的蜂窝服务。相比之下,eSIM 卡可以存储从不同运营商下载的多个配置文件,允许设备根据位置、监管要求、服务定价或网络性能从一个运营商切换到另一个运营商。思科 ® eSIM Flex 是一种交钥匙 eSIM 解决方案,可让您轻松下载并通过 eSIM 无线激活配置文件。一旦这些配置文件位于 eSIM 上,您就可以根据业务用例在配置文件之间快速切换。
与此同时,技术也在进步。制造商现在拥有大型数据库、集成企业资源规划(ERP)软件、射频识别(RFID)设备和宽带互联网(仅举几例)来应对这些挑战。我们从世界各地找到了具体的例子。通用电气医疗集团在线收集X射线机器性能数据,以减少维修时间并预测客户生命周期。波音公司在莫斯科投资工程设施,开发787梦想飞机。艾默生电气公司在中国设计和生产核心产品模块,然后在当地进行定制。起亚汽车美国公司将制造基地从“低成本”的韩国转移到斯洛伐克更便宜的工厂。墨西哥领先的水泥制造商CEMEX S.A. de C.V.集成了跟踪和车队管理技术,可在20分钟内满足客户交付要求。这些例子表明了向下一代制造业的转变。如图 1 所示,它们展示了制造商如何强调通过全球制造价值链进行双向信息共享——从研发 (R&D) 到客户再返回;从供应商到工厂到销售渠道合作伙伴,反之亦然。