XiaoMi-AI文件搜索系统
World File Search System颠覆
技术带来的颠覆 - 欧洲议会
事实上，技术发展经常被描述为革命性的。从易碎但利润丰厚的瓷器到粗糙但致命的火药，从发明舆论的印刷机到有人说让人们“独自打保龄球”的电视，新技术经常改变生活、社区和文明的进程。在当前数据驱动的互联网技术浪潮中，其颠覆性力量是商业模式的核心特征。这也许体现在“快速行动，打破常规”的座右铭上，最初由 Facebook 采用，但后来象征着硅谷公司愿意——甚至是决心——打破他们认为过时的社会规范、政治思想和经济模式，通常采用“最好请求原谅而不是许可”的法律合规方式。2
新冠肺炎疫情时代的数字化颠覆
2020 年 3 月，由于澳大利亚政府优先控制 COVID-19 病毒的传播，澳大利亚大部分地区被封锁（卫生部，2020 年）。这对企业、组织和各级教育产生了重大影响（Franchi，2020 年）。到 2020 年 3 月底，大多数高等教育机构已停止所有面对面授课，迫使学生和教职员工转向在线学习。有人认为，高等教育正处于新常态的风口浪尖，在线学习的兴起使人们能够更公平地接受高等教育（Barsotti，2020 年；D'Orville，2020 年）。Jonsson（引自 Barsotti，2020 年）建议大学应将当前的混乱和拥抱技术的需要视为“向学习方式不同的人开放教育的机会”（第 3 页）。然而，巴索蒂警告说，虽然这种灵活性对许多学生来说可能非常有效，但需要注意帮助那些难以适应在线环境或因使用在线环境而感到孤立的学生。费雷拉（引自巴索蒂，2020 年）认为“灵活性并不一定意味着更好的表现”（第 1 页），这表明如果没有课堂结构，学生管理时间的能力就会受到更大的压力。
人工智能颠覆：数据中心设计的挑战与指导
AI 工作负载分为两大类：训练和推理。训练工作负载用于训练 AI 模型，例如大型语言模型 (LLM)。我们在本文中提到的训练工作负载类型是大规模分布式训练（大量机器并行运行 6 ），因为它给当今的数据中心带来了挑战。这些工作负载需要将大量数据输入到带有处理器（称为加速器）的专用服务器。图形处理单元 (GPU) 就是加速器 7 的一个例子。加速器在执行并行处理任务方面非常高效，例如用于训练 LLM 的任务。除了服务器之外，训练还需要数据存储和网络来将它们连接在一起。这些元素被组装成一个机架阵列，称为 AI 集群，该集群本质上将模型训练为一台计算机。在设计良好的 AI 集群中，加速器的利用率在大部分训练持续时间内接近 100%，训练时间从几小时到几个月不等。这意味着训练集群的平均功耗几乎等于其峰值功耗（峰值与均值比 ≈ 1）。模型越大，所需的加速器就越多。大型 AI 集群的机架密度从 30 kW 到 100 kW 不等，具体取决于 GPU 型号和数量。集群可以从几个机架到数百个机架不等，通常通过使用的加速器数量来描述。例如，一个 22,000 H100 GPU 集群使用大约 700 个机架，需要大约 31 MW 的电力，平均机架密度为 44 kW。请注意，此功率不包括冷却等物理基础设施要求。最后，训练工作负载将模型保存为“检查点”。如果集群发生故障或断电，它可以从中断的地方继续。推理意味着将之前训练的模型投入生产以预测新查询（输入）的输出。从用户的角度来看，输出的准确性和推理时间（即延迟）之间存在权衡。如果我是一名科学家，我可能愿意支付额外费用并在查询之间等待更长时间，以获得高度准确的输出。另一方面，如果我是一名正在寻找写作灵感的文案撰稿人，我想要一个可以立即回答问题的免费聊天机器人。简而言之，业务需求决定了推理模型的大小，但很少使用完整的原始训练模型。相反，部署模型的轻量级版本以减少推理时间，同时降低准确性。推理工作负载倾向于对大型模型使用加速器，并且根据应用程序的不同，可能还严重依赖 CPU。自动驾驶汽车、推荐引擎和 ChatGPT 等应用程序可能都有不同的 IT 堆栈，以“调整”其需求。根据模型的大小，每个实例的硬件要求可以从边缘设备（例如，智能手机）到几台服务器机架。这意味着机架密度可以从几台
颠覆是打造 20XX 年军队的关键
“如何”实现持续转型。李认为，“创新是企业战略的暂停按钮，将艰难的决策推向未来。”9 创造力将使我们能够从广度和深度上看待未来的挑战，而这些挑战在某种程度上被快速取胜的创新所蒙蔽。合作使我们能够打破僵局，更好地了解陆军在联合战斗中做出贡献的最佳利益，无论战区如何，也无论战争条件如何。合作使我们能够突破未来将面临的挑战的复杂性，而不是屈服于创造狭隘、有偏见或以作战功能为中心的解决方案。正如唐恩·斯塔里将军曾经描述的那样，合作将使我们能够从“共同的文化偏见”出发来解决复杂问题。10
2024 年未来报告：从颠覆到商业价值
工业 4.0 标志着工业数字化的关键转变，融合了人工智能 (AI)、数据分析、自动化、机器学习、物联网 (IoT) 和区块链等先进技术，彻底改变了制造和生产流程。这种融合促进了更智能、更本地化和更高效的生产能力，这些生产能力具有弹性并可满足特定消费者需求。在当今的政治格局中，迈向工业 4.0 至关重要，其特点是经济联盟不断转变，全球依赖关系重新评估，尤其是与中国的依赖关系。挑战在于无缝集成这些技术，以促进本地化、高效和有弹性的生产流程，以满足对更快交付速度和超个性化日益增长的需求。
颠覆人机互动中的性别规范
本文介绍了一种跨性别包容的人工智能立场，即“行动人工智能”（eAI）。人工智能设计是一种体现人类文化和价值观的人类社会文化实践。不具代表性的人工智能设计可能会导致社会边缘化。第 1 节借鉴激进的行动主义，概述了具体文化实践。第 2 节探讨了跨性别如何作为一种社会文化实践与技术科学交织在一起。第 3 节重点介绍了在人工智能中机器人与人类互动的具体情况下颠覆性别规范。最后，第 4 节确定了四个道德载体：可解释性、公平性、透明度和可审计性，以便在开发性别包容的人工智能时采取跨性别包容的立场，并颠覆机器人设计中现有的性别规范。
引领能源转型，从颠覆走向增长
作为本研究的一部分，德勤和韦克菲尔德研究公司于 2020 年 3 月对来自世界各地的 600 名 C 级高管和其他高级企业领导人进行了调查。21% 的受访者称自己为 C 级高管（董事长、首席执行官、首席运营官、首席财务官等）；另有 31% 的受访者称自己为高级副总裁或副总裁，16% 的受访者称自己为董事等高级管理人员，其余 32% 的受访者包括环境官员、健康和安全官员、法规合规官员以及业务部门或部门负责人。
ISR 技术将如何颠覆国防无人机市场
即使 ISR 平台和技术正在不断发展，国防部也在改变其获取这些功能的方式。传统采购以缓慢和繁琐而闻名；即使是加速计划也需要两到四年才能达到全速生产（标准计划可能需要五到十年）。就技术进步而言，这是一个永恒的过程，这意味着先进系统在投入使用时可能已经过时，而且可能过于昂贵。为了更快地将有前途的技术投入使用，国防部越来越多地从传统军事工业基地以外的来源寻找新兴能力，寻求在开发阶段早期评估原型并评估其潜力。一旦原型得到验证，供应商就可以在加速的时间内开始大规模生产。
塑造 2020-2030 年的宏观趋势和颠覆
新冠疫情加速了——并将继续加速——各种现有技术的部署。电子商务、远程工作、在线学习和远程医疗都得到了提振，这种提振在危机过后只会部分消退。疫苗研发竞赛正在加速制药行业的技术创新。生产和分销流程的自动化正在加速，以便在短期内限制病毒的传播——并使供应链在长期内更能抵御疫情造成的冲击（尽管具有讽刺意味的是，这可能会增加对各种风险（如网络攻击）的脆弱性）。与此同时，从生物技术到可再生能源，不同领域的关键技术正在呈指数级发展，这可能会在 2020 年代导致经济临界点（见颠覆 8 和 9）。