XiaoMi-AI文件搜索系统
World File Search System翻一番
ITI 的可持续技术政策指南：
开发、部署和使用数据密集型和下一代技术（包括人工智能）所需的计算性能和功率的提升，导致了全球电力需求的近期增长。据估计，如果不提高效率，到 2035 年全球电力需求将增长 50% 5 。随着机器学习模型的快速发展，老化的电网目前还无法处理人工智能的计算密集型工作负载。科技行业的能源使用量约占全球排放量的 1.7% 6 ，而人工智能的计算需求每 100 天翻一番 7 ，如果社会要支持这项技术的可持续发展，那么支撑人工智能发展的基础设施必须更新。
忆阻器——从内存计算、深度学习加速和脉冲神经网络到神经形态和生物启发计算的未来
基于深度学习和 GPU 实现的解决方案已导致许多 AI 任务得到大规模改进，但也导致对计算能力的需求呈指数级增长。最近的分析表明，自 2012 年以来，对计算能力的需求增加了 30 万倍，估计每 3.4 个月这一需求就会翻一番 — — 这一速度远远快于历史上通过摩尔定律实现的改进（在同一时期内提高了七倍）。[1] 与此同时，摩尔定律在过去几年里显著放缓，[2] 因为有强烈迹象表明，我们将无法继续缩小互补金属氧化物半导体 (CMOS) 晶体管的尺寸。这要求探索替代技术路线图，以开发可扩展且高效的 AI 解决方案。
应对人工智能威胁并降低其风险
尽管如此，训练和运行人工智能模型的能源需求很高，其中大部分能源仍然来自不可再生能源。 32 能源使用的增加直接影响温室气体排放，加剧气候变化。据 OpenAI 研究人员称，自 2012 年以来，训练尖端人工智能模型所需的计算能力每 3.4 个月翻一番。 33 据估计，到 2040 年，全球 14% 的排放将来自信息和通信技术 (ICT) 行业，主要来自 ICT 基础设施，特别是数据中心和通信网络。 34 训练一个人工智能系统会排放超过 250,000 磅的二氧化碳，而所有行业使用人工智能技术产生的二氧化碳排放量与航空业相当。 35、36
关注市场：2024 年展望
关于通胀和美国能源/产业政策。展望未来几年，由于美国巨额财政赤字和美国新的能源/产业政策的影响，通胀风险上升。我们年度能源文章中一个不变的主题是高可再生能源渗透率所需的发电容量翻一番。下面的第一张图表说明了我的意思。MISO 是较大的独立系统运营商之一，业务范围从明尼苏达州延伸到路易斯安那州。随着风能和太阳能容量的增加，MISO 将无法以 1:1 的比例减少天然气容量。红线显示了随着风能/太阳能增加可以关闭的天然气容量的预计适度减少。无论备用电源是由热发电还是电池提供，增加的资本投资都会对电力成本产生影响。
CSET - 研究安全、合作和全球研发的变化图
自第二次世界大战以来，全球研究总产出一直保持着令人印象深刻的稳定增长，年增长率约为 8-9%，相当于每九年科学文献数量翻一番。2 全球研发投资分布的变化导致了知识生产方式的转变，进而导致特定研究领域的全球领导地位的转变。科学政策界普遍讨论国际研究合作的兴起，虽然总体上确实如此，但我们看到各国之间存在很大差异。3 文献计量数据显示，虽然澳大利亚、欧盟和美国在过去 20 年中的合作程度都有显著提高，但中国同期的合作水平相对平稳。
密闭浅水区的预期作业
大约一半的世界人口居住在海岸线 200 公里以内，到 2025 年，这个数字可能会翻一番。90% 的世界贸易是通过海上进行的，而其中 75% 的贸易要经过至少一个狭窄且脆弱的海峡。绝大多数海上交通线 [SLOC]、咽喉要道、港口和其他基础设施都位于 CSW，如果暴露在恐怖分子、海盗或有组织犯罪分子等非法分子手中，可能会造成严重破坏。同时，沿海地区特别容易受到自然灾害的侵袭，需要复杂的救援和危机管理工作。因此，显然必须特别关注 CSW 环境。它仍然是多种法律、政治和经济利益的共同界面，也具有社会和制度影响。
密闭浅水区的预期作业
大约一半的世界人口居住在海岸线 200 公里以内，到 2025 年，这个数字可能会翻一番。90% 的世界贸易是通过海上进行的，而其中 75% 的贸易要经过至少一个狭窄且脆弱的海峡。绝大多数海上交通线 [SLOC]、咽喉要道、港口和其他基础设施都位于 CSW，如果暴露在恐怖分子、海盗或有组织犯罪分子等非法分子手中，可能会造成严重破坏。同时，沿海地区特别容易受到自然灾害的侵袭，需要复杂的救援和危机管理工作。因此，显然必须特别关注 CSW 环境。它仍然是多种法律、政治和经济利益的共同界面，也具有社会和制度影响。
军事领域即将迎来人工智能革命
20 世纪 80 年代，先进的微处理器带来了更强大的计算能力，人工智能发展也随之复苏。按照“摩尔定律”的概念，计算机芯片的容量持续呈指数级增长，大约每两年翻一番。10 这些更强大的半导体使计算机科学家能够访问更大的数据库，从而实现更复杂的算法。一系列被称为“专家系统”的新程序被开发出来，它们首次能够复制人类的决策。11专家系统收集了有关特定主题的大量知识和数据。这些程序能够解决狭义的问题，否则就需要领域专家的帮助。例如，国防部采用专家系统开发维护软件，允许用户输入诊断数据并接收原因报告。
人工智能与估值：可能性与挑战
数据驱动的商业格局很难想象一个没有数据的世界。如今有这样的想法听起来甚至有点不现实。我们日常生活中所做的几乎每件事都会产生大量信息。以前，公司从未能够访问如今存储的海量数据，从客户和财务数据到运营和生态系统数据。公司在试图报告长期价值时面临的挑战之一是可用的海量数据以及如何从中提取意义。要理解这一挑战的规模，请考虑一下全球数字世界中的数据量每两年翻一番。在这种背景下，人工智能 (AI) 可能成为游戏规则的改变者，它能够理解这些数据并识别有意义的指标。
药物研发人工智能的并购趋势
根据不同的估算 1、2，从最初的想法到产品上市，开发一种新药的过程可能需要 12 到 15 年的时间，耗资 10 到 60 亿美元。尽管自 1950 年代以来，开发成本估计每九年翻一番 3，但上市疗法的回报率却在下降。新型疗法通常针对较窄的患者群体，这将进一步增加降低成本的压力。虽然这些个性化治疗为数百万患者带来了巨大的希望，但它们的开发成本最终将由已经不堪重负的医疗保健系统承担。因此，为了维持制药和生物技术的未来，公司需要找到使药物开发更快、更高效的方法——人工智能正越来越多地被用于完成这项任务。