重新思考关于 AI 的能源使用 Daniel Castro | 2024 年 1 月 29 日 关注数字技术使用的能源 并不新鲜。在互联网繁荣的高峰期附近 1990 年代 ， a福布斯 文章哀叹 ， “在某处 美国 ， 每次一本书都会燃烧一块煤 网上订购 ” 。1 文章的作者 ， 成为 在随后几年关于能源的辩论中被广泛引用 政策 ， 估计 “一半的电网将是 在下一个时代为数字互联网经济提供动力 ， OpenAI ， 2023 年 3 月 14 日 ， https: / / openai. com / research / gpt - 4 。 47. Eric Masanet 等人 ， “重新校准全球数据中心能源使用 ” Estimates, "Science367 ， 编号 ： 6481 （ 2020 年 2 月 28 日 ） ： 984 - 86 ， https: / / doi

不断演变的价值衡量标准：价值的定义正在超越成本节约的范畴。现在，对采购领导者的评估 标准是应变能力、可持续性和合规性。这些新的衡量标准反映出一种环境，长期适应性、合乎 道德的采购和稳健的风险管理比眼前的财务收益更重要，采购职能得到重新调整以匹配组织的 战略需要。 供应链弹性与监管要求：随着监管审查的加强，企 业方针必须从以合规为导向转向主动风险管理和问 责制。透明度和供应商审计变得至关重要，这就要 求企业实施能够确保合规并增进与监管机构、消费者 洞察 推动 创新 2025 年全球商业和宏观经济趋势 通货膨胀 回归近期历史常态 随着我们步入 2025 年，全球经济力量正朝着不同方向策动，形成了一个复杂的局面。这要求采购和供应链团 队重新为战略注入活力，提高敏捷性。报告下文重点介绍了影响未来一年的六大宏观经济趋势，每一项都会 对全球企业产生重大影响。 根据国际货币基金组织 (IMF) 测，全球通胀率在 2022 年第三季度达到 9 依赖于人类专业知识，往往会面临效率低下、数据分散和劳动密集型流程等方面的挑战。人工智能提供了令 人信服的解决方案，为专注于战略性、高价值活动创造了更多机会。 采购领导者已经在思考：技术是否会重新定义人类的角色？采购职能未来是否还会存在？GEP 预计答案是肯 定的，但不是以当前采购领导者所理解的形式。随着企业踏上人工智能演进之旅，人工智能将以三种不同的 阶段影响运营模式，每个阶段都比上一个更具变革性。

目 录 重新定义园区 智慧园区建设思路 智慧园区解决方案 华为云关键能力 01 02 03 04 智慧园区是智能世界的重要入口和载体 90%+ 时间在园区 33%+ 高新区建设智慧园区 80%+ GDP 创造在园区 90%+ 城市居民 工作与生活在园区 机场 城市新区 企业园区 校园 特色小镇 旅游景区 写字楼 城市综合体 生产工厂 会展中心 产业办公 政府大楼 然 安全保障弱 管理效率低 运营成本高 服务体验差 办公效率低 华为重新定义园区，把数字世界带入每个园区，让智慧触手可及 服务感知差 管理效率低 招商引资难 运营成本高 安全保障弱 办公效率低 痛点 人工智能 互联网 云计算 物联网 大数据 DATA 智慧园区 智能安防 增值创收 节能环保 高效管理 融合服务 ------ 重新定义智慧模式：超越数字化，联接、联动、融合、创新 6 子系统数字化， 如停车、消防、周界 IoT 、云、大数据、 AI 等 新技术，创新业务 电子化 告别手工化、无纸化 数字化 各子系统形成数据孤岛 智慧化 联接、联动、融合、创新 重新定义创新模式：统一数据底座和平台架构，提升业务开发和创新效率 客户挑战： • 子系统“烟囱” ，数据不共享，业务不联动，管理改进难； • 业务创新需重建系统，应用构建难，开发周期长； • 不

2025 年 五大趋势 人智共创未来 点燃创新纪元 IBM 商业价值研究院 | 研究简报 2024 年是拥抱变化、把握机遇的一年。冲突和转型的交织令原有假设受到质疑，领导者不得 不重新评估其风险偏好。他们必须平衡速度需求与成熟流程的安全性，然后改变那些束缚发展 的习惯。 生成式 AI 是这一转变的核心，带来了一个充满新机遇和未知风险的世界。智能体 AI 是指自主 执行各种功 模型训练范围 的任务，这是大多数 AI 助手无法做到的。 另外，随着数字劳动力的发展，变革的力量牢牢掌握在员工手中。 1 这样个人得以提高生产率 并重新定义工作流程，同时挑战了传统的领导观念。 引言 AI 推动数据普及化， 重新定义决策流程。 领导者如何才能在不给企业带来风险 的情况下增强员工的自主创新能力？ 2025 年五大趋势：人智共创未来 点燃创新纪元 2 事实上， 事实上，领导者没有时间审查每一项创新。随着智能体 AI 在组织中发挥的作用不断增强，领导 者需要下放更多决策权，才能真正加快步伐。他们仍然需要制定目标并明确前进规则，但必须 赋权团队重新思考工作流程，并用新的方式部署 AI 智能体，从而大幅度提高绩效。 在这种环境下，领导者相当于在敏捷性和安全性之间走钢丝，尽力维持韧性与风险之间的平衡。 这绝非易事。为了解领导者如何实现这一目标，IBM 商业价值研究院

中小工厂数字化的现状和挑战 数字化如何重新定义好工厂 如何高效搭建日成本监 控体系 数字化工具如何减少管 理成本 如何搭建快交付体系 总结： 中小工厂数字化新路径 中小工厂数字化新路径 3 数字化的主战场在中小工厂 中等规上企业不足 10% ， 小微数字化基本为零 协同类数字化渗透率现状： 大型企业基本实现 中小微工厂 90%+ 制造企业 要不要搞？ 如何搞？ 7 中小工厂数字化的现状和挑战 数字化如何重新定义好工厂 如何高效搭建日成本监 控体系 数字化工具如何减少管 理成本 如何搭建快交付体系 总结： 中小工厂数字化新路径 中小工厂数字化新路径 8 好工厂 = 有竞争 力 数字化重新定义好工厂 交期竞争力 成本竞争力 9 研究行业的成本结构就是创新机会 ( 如何建立数据收集系统 面 点 线 动态齐套 数据超市 指标监控 智能提醒 车间统计 防呆防错 中小工厂数字化的现状和挑战 数字化如何重新定义好工厂 如何高效搭建日成本监 控体系 数字化工具如何减少管 理成本 如何搭建快交付体系 总结： 中小工厂数字化新路径 中小工厂数字化新路径 17 成本 控制

今年《技术愿景》探讨了人工智能从自动化向转 型发展的未来。 使人们能够自主行动的推动者——为他们提供执行新任 务和比以往任何时候都更好地执行其他任务的能力。考 虑一下，随着人工智能进入新的和陌生的领域，重新构 想的可能性与机遇。为了真正理解和利用这种潜力，企 业将创建他们自己的、独特的AI认知数字大脑，这将彻 底改变技术在其企业以及与员工之间所扮演的角色。这 将极大地颠覆企业技术系统的设计、使用和运营方式； 在不同界面看似相同的情况下进行差异 化。 人们与人工智能如何定义一个学习、领 导和创造的正向循环。 03 当大型语言模型 出现时 他们的身体 当人工智能呈指数级扩展时，系统 将会被打乱。 如何基础模型重新定义机 器人学 信任是否是人工智能无 限可能性的极限？ 引言 人工智能：自主 宣言 人工智能的泛化 人工智能竞赛的热潮无可否认。 引言 4 我们正在进入一个新的篇章 在技术领域——一个被塑造的领域—— 确认 客户身份。产品准时交付。这些时刻中的每一个都可能 ，也将被人工智能所颠覆。其中许多将因此变得更加出 色——拥有更多的自主权、更少的摩擦和更好的结果。 但在信任成为问题之前，你能走多远？你将如何重新激 发建立信任的关键人类时刻？ 最后，路线图中的第三部分，也是未知的部分，是寻找 一条通往以人为驱动信任的新路径。我们知道我们需要 达到哪里——新的接触点和建立与维护人际信任的方法 ，因为人工智能的普及正在颠覆传统的互动方式。但是

监控所集群机器负载情况，动态分配交管数据。监控所有集群机器，如果 发现问题，那么就把分配给这台机器的交管数据重新分配到其他机器，去除单 点故障，提高系统可靠性。 负载均衡机采用 Paxos 算法解决一致性问题，集群在某一时刻只有一个 Master 负责均衡能力，当 Master 宕机后，其他节点重新选举 Master。保证 负载均衡机不会存在单点问题，集群机器一致性。 实时业务 对于实时性要求 时在界面呈现各节 点服务器性能状态，管理员也能及时了解，各服务节点处理性能及资源开销。 若性能持续高负荷，拓扑图上以报警方式提示，或以短信的方式提示，便于管 理员及时发现问题，查找问题的来源或重新评估服务器配置情况，为系统稳定 运行提供一个确实可靠的标准。 1.4.2.4 系统日志分析处理 系统各服务模块在运行期间写日志文件，将进程的模块编号、服务器的 IP、出错页码等日志的状态（错 master 服务，软件启动之后 JobTracker 接收 job，负责调 度 job 的每一个子任务 task 运行于 TaskTracker 上，并监控它们，如果发现有 失败的 task 就重新运行它。一般情况应该把 JobTracker 部署在单独的机器上 TaskTracker 是 运 行 于 多 个 节 点 上 的 slaver 服 务 。 TaskTracker 主 动 与 JobTracker

但由于其高度定制化，科大讯飞认为其不具备广 泛的可推广性。 ● 10:31 医院AI应用面临的挑战及解决方案探讨 在医院使用AI技术时遇到的主要问题是AI系统无法直接落地使用，需要针对每家医院重新训练，这是当 前人工智能应用的难点之一。由于医生书写病历时格式不统一，尤其是进修医生每半年轮换一次，导致 标准化难度大。解决措施包括引入相对成熟的NLP技术辅助科研和病历标注，以及加强文书书写的规范 存在差异，备案首页只能使用ICD9编码。虽然AI理论上能解决这个问题，但目前尚未看到成熟的产 品，并且即使能找到合适的厂商，可能还需针对不同医院进行重新训练，成本较高。 发言人 问：医院在使用AI技术时，是否需要重新训练模型？ 发言人 答：是的，不同医院可能需要针对自身数据重新训练AI模型。目前有些医院采用预训练好的模型 如deep sk，直接使用患者的入院记录、出院记录、检验检查报告进行推理，而未进行进一步的本地训

Q2：如何导出对话记录？ 操作路径：网页版/APP 端点击对话历史→右键选择“导出为 Markdown” Q3：上传文件后 AI 无法识别内容？ 排查步骤： 1.检查文件是否受损（重新保存后上传） 2.确认图片清晰度（建议 300dpi 以上） 3.尝试用“请总结这份文档的三个核心要点”等明确指令 四、高效提示词工程 1.黄金提问法则：像指挥特种兵一样精准 邮件接收→AI 提取关键信息→自动创建待办事项→生成执行方案→推送进度提醒 ⚫ 跨平台协作： Excel 表格+微信聊天记录+邮件内容→自动整合为 CRM 客户档案 3.社会影响：重新定义工作边界 DeepSeek 的普及正在引发结构性变革： ①职业重构 ⚫ 新兴岗位：AI 训练师（年薪 50 万+）、智能流程设计师、数字资产管理员 ⚫ 技能升级：提示词工程师认证考试报考人数突破百万 230% -新疆牧民通过 AI 语音助手实现畜牧疾病远程诊断，死亡率降低 62% 六、未来图景与人类共生 1.技术进化：从工具到伙伴的范式跃迁 DeepSeek 的持续迭代正在重新定义人机关系，其技术发展呈现三大趋势： ①认知协作革命 ⚫ 智能增强：通过脑机接口技术，用户可直接用思维操控 DeepSeek 生成方案，写 作效率提升 10 倍 ⚫ 记忆外延：个人知识库与