Tech Mahindra, 一家全球技术咨询和数字解决方案提供商，与 IBM 合作，帮助全球组织可持续加速生成式人工智能的应用。{ width=50% }

---

此次合作将 Tech Mahindra 的 AI 产品范围 TechM amplifAI0->∞ 和 IBM 的 watsonx AI 和数据平台与 AI 助手相结合。
客户现在可以将 IBM watsonx 的能力与 Tech Mahindra 的 AI 咨询和工程技术相结合，以访问各种新的生成式 AI 服务、框架和解决方案架构。这使得可以开发利用其可信数据自动化流程的 AI 应用。它还为企业建立可信的 AI 模型提供基础，促进解释性以帮助管理风险和偏见，同时在混合云和本地环境中实现可扩展的 AI 采用。
根据 Tech Mahindra 的首席数字服务主管 Kunal Purohit 的说法，企业专注于负责任的 AI 实践，并将生成式 AI 技术整合到企业中以振兴企业。
Purohit 补充道：“我们与 IBM 的合作可以帮助推动组织的数字转型，促进 GenAI 的采用、现代化，并最终促进我们全球客户的业务增长。”
为了进一步增强 AI 在业务中的能力，Tech Mahindra 建立了一个虚拟 watsonx 卓越中心（CoE），该中心已经投入运行。这个中心作为一个共同创新中心，由一个专门团队负责最大程度地发挥两家公司之间的协同效应，并基于他们的联合能力生产独特的产品和解决方案。
通过这一合作开发的协作产品和解决方案可以帮助企业实现使用开源框架构建机器学习模型的目标，同时使它们能够扩展和加速生成式 AI 的影响。这些由 AI 驱动的解决方案有潜力帮助组织负责任地提高效率和生产力。
IBM 合作伙伴关系总经理 Kate Woolley 强调了合作的潜力，指出生成式 AI 在建立可解释性、透明性和信任基础上可能成为创新的催化剂，并在此基础上解锁新的市场机会。
Woolley 说：“我们与 Tech Mahindra 的合作预计将扩大 watsonx 的影响范围，使更多客户能够构建可信的 AI，因为我们努力将我们的技术和专业知识结合起来以支持企业用例，如代码现代化、数字劳动力和客户服务。”
此次合作符合 Tech Mahindra 持续努力以先进的 AI 驱动产品和解决方案改造企业的愿望，包括最近推出的 Vision amplifAIer、Ops amplifAIer、Email amplifAIer、Enterprise Knowledge Search 提供、Evangelize Pair Programming 和 Generative AI Studio。
值得一提的是，这两家公司之前曾合作。今年早些时候，Tech Mahindra宣布与 IBM 在公司新加坡校园合作开设一个 Synergy Lounge。这个休息室旨在为亚太地区组织加速数字采用。它帮助使运营和利用下一代技术如 AI、智能自动化、混合云、5G、边缘计算和网络安全化。
除了 Tech Mahindra，IBM watsonx 已在其他合作中用于加速生成式 AI 的部署。今年早些时候，GSMA 和 IBM 宣布了一个新合作伙伴关系，支持泗塔行业生成式 AI 的使用和能力，通过推出 GSMA Advance 的 AI 培训计划和 GSMA Foundry 生成式 AI 计划。
此外，该计划还有一个涵盖生成式 AI 商业策略和技术基础的数字版本。该计划利用IBM watsonx为寻求深入实际生成式 AI 知识的架构师和开发人员提供实践性培训。

想要从行业领导者那里学习更多有关 AI 和大数据的知识？请查看在阿姆斯特丹、加利福尼亚和伦敦举行的 AI & Big Data Expo。这一全面的活动与其他领先活动共同举办，包括智能自动化大会、BlockX、数字转型周和网络安全和云计算博览会。
在这里探索其他由 TechForge 提供的即将举行的企业技术事件和网络研讨会。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

SKAE Power Solutions强化了JLL的数据中心技术和项目管理服务
随着数据中心需求持续增长，JLL（纽交所：JLL）今天宣布已达成协议收购SKAE Power Solutions（SKAE），这是一家总部位于纽约的数据中心技术和项目管理服务提供商。{ width=60% }

---

此次对SKAE的收购使JLL能够在整个数据中心生命周期内提供解决方案，并为其现有服务增加了重要的技术深度。交易预计将很快完成，须符合惯例的结束条件。
“在帮助客户应对由数据中心需求增长驱动的不断变化的房地产需求时，我们欢迎SKAE团队加入，并为我们客户的关键资产提供技术服务的交付感到兴奋，”Work Dynamics的JLL首席执行官Neil Murray说。“随着全球数据中心市场的持续增长，我们看到提供管理和维护这些资产所需的专业知识的机会不断增加。这次收购立即增强了我们支持客户数据中心解决方案的能力，现在及未来。”
JLL最近的《全球数据中心展望》揭示了人工智能和机器学习如何引发数据中心设计、选址和投资方式的根本变革。未来五年，消费者和企业将产生的数据量将是过去10年中所有已创建的数据的两倍，这将导致数据中心存储容量从2023年的10.1 ZB增长到预期的2027年的21.0 ZB。SKAE在规划和工程、关键基础设施的安装、测试、设施维护和运营等方面的专业知识将增强JLL支持客户进行关键数据中心选址、设计、测试和调试、升级以及运营管理的能力。
自1998年以来，SKAE的联合创始人Peter Skae和John McPartland及其团队已经在金融、医疗保健、教育和政府等多个行业为客户交付了技术数据中心需求。SKAE的75名员工将加入JLL Work Dynamics，由Peter Skae领导，将向Data Centers的美洲区总监Matt Landek汇报。该收购将形成JLL数据中心垂直中的技术服务部门，并作为SKAE的一家JLL公司运营。
“SKAE将是JLL扩展满足客户需求并加速我们在数据中心管理方面能力的关键，”JLL的工作动态美洲区首席执行官Sanjay Rishi说。“将SKAE的区域专业知识和人才与JLL的全球、全面的解决方案相结合，将既补充又扩展我们的技术服务能力。”
“我们立即被JLL全球组织中秉持的价值触动，以及它们与我们在SKAE中企业原则的密切契合—特别是JLL的安全驱动文化和对人员、程序和政策的关注，”SKAE的负责人Peter Skae说。“我们期待加入这个组织，将我们的数据中心解决方案专业知识带给JLL的客户。”
Layer 7 Capital在这笔交易中担任了SKAE Power Solutions的财务顾问。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Bitwarden，密码、秘密和通行证管理的可信安全领导者，今天宣布扩展其Splunk集成以包括Splunk Cloud兼容性，增强安全和事件管理（SIEM）功能。{ width=60% }

---

该集成使使用Splunk Enterprise和Splunk Cloud安装的组织可以使用Bitwarden事件日志应用程序进行高级安全监控，简化数据访问和强大的事件洞察。

扩展的Bitwarden Splunk集成包括：

• 全面的事件监控：组织可以监控超过60种类型的事件，包括用户活动、保险库修改和组织变更，扩展SIEM覆盖范围以包括Bitwarden交互以及传统网络事件。
• 分析和可见性：Bitwarden事件日志应用程序支持三个预构建仪表板 - 认证事件、保险库项目事件和组织事件 - 以及用于增加运营可见性和即时安全洞察的自定义仪表板创建。
• 主动安全警报：设置自定义警报以主动检测和应对安全威胁，增强快速应对未经授权的访问尝试或凭证使用的能力。
• 运营灵活性和控制：Bitwarden和Splunk的自托管选项使组织能够完全控制安全数据和基础设施，以满足合规性和安全要求。
• 离职报告：生成详细报告，详细说明了前员工访问的凭据，增强了在员工过渡期间的安全和控制。
• 实时见解：加强对安全和合规性管理的透明度，帮助识别、减轻风险并报告。

集成详细信息和可用性
该集成现已在Splunk Enterprise、Splunk Cloud Classic和Splunk Cloud Victoria平台上提供，并可通过Splunk安装的UI中的Bitwarden事件日志应用程序访问。

有关详细设置说明和探索此集成的全部功能，请访问Bitwarden网站上的帮助：Splunk SIEM。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

今天，Domo（纳斯达克股票代码：DOMO）宣布，IT解决方案提供商Zirous已加入其合作伙伴计划。{ width=60% }

---

作为认证的全面经销商、推荐商和实施合作伙伴，Zirous将为其客户提供Domo平台，使数据在其业务中可见且可操作。

Domo的基于云的平台为企业中的所有员工提供实时数据，以便做出明智的业务决策并产生影响。在灵活人工智能（AI）服务框架的支持下，Domo使公司能够利用、扩展、采取行动并自动执行其公司数据上的操作-同时安全、透明并具有适当的权限应用AI。

Zirous是一家在市场技术、数据、扩展现实、托管服务、面向服务的架构和身份管理领域拥有35年专业知识的科技公司，通过与市场上一些最优秀的技术合作伙伴(Adobe、Microsoft、Oracle等)提供IT解决方案。Zirous专注于营销技术、数据、扩展现实、托管服务、服务导向架构和身份管理，以及实施所需的开发和基础设施。公司旨在通过诸如数据分析、数据工程、身份和访问管理等一系列服务，提高其广泛客户群的效率、生产力和盈利能力。

Zirous首席执行官迈克·麦克德莫特（Mike McDermott）表示：“数据和分析长期以来一直是我们为客户提供的核心解决方案之一，我们曾经与许多提供数据抽取、转换和加载（ETL）以及连接器功能的其他工具合作过。Domo的能力是一流的，这就是为什么我们与Domo合作，帮助我们为庞大的客户群提供他们需要最大限度利用数据的解决方案。”。“在AI时代，Domo为公司提供了使模型集成和定制数据集变得简单或复杂的选项，这是理想的合作伙伴关系。”

Domo高级副总裁、合作伙伴、战略发展和渠道负责人RJ Tracy表示：“Domo使企业各个部门的数据栩栩如生，从首席执行官到一线员工，我们在Zirous找到了一个互补的合作伙伴，后者在为客户设计成功的技术堆栈方面拥有丰富的经验。”。“Zirous致力于帮助客户对其业务产生重大影响，而Domo将帮助他们加速结果。”

要了解Zirous等创新组织如何与Domo合作，为每个人利用数据进行工作，请访问www.domo.com/partners。注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

特定、私密且安全的AI功能为专业服务公司带来即时回报
QorusDocs，一家AI驱动的提案管理软件提供商，今日宣布推出QorusDocs’ QPilot，一个全新的安全和私密AI服务，极大简化了为专业服务公司打造演示文稿、提案和RFP响应的任务。{ width=60% }

---

核心功能确保安全、私密和即时回报
QorusDocs’ QPilot AI服务基于Microsoft Azure OpenAI Service构建，为公司的私密内容库、过往RFP、提案和内部内容提供无与伦比的安全和私密性。
QPilot为用户提供预制和可定制提示，对经常需要处理大量传记、证书和项目记录并需要编写引人入胜的书面和视觉展示的专业服务团队来说，它是不可或缺的。
通过允许安全、有针对性地访问公司的敏感文档和内容，QPilot为提案创作者带来了其他生成式AI软件无法提供的优势。这使得商务发展团队能够专注于高价值客户参与，而不是琐事。
QorusDocs AI助手QPilot为用户带来以下好处：
加速研究、个性化和定制内容的创建
简化工作流，使其朝向高价值、可赢取竞标
与Microsoft 365应用无缝集成，方便使用
“我们将QorusDocs’ QPilot作为继续扩大我们的AI覆盖范围，并帮助面向服务的企业改变其提案流程的关键一环，” QorusDocs的首席执行官兼联合创始人Ray Meiring表示。“在测试阶段，我们验证了专业服务团队的常见用例，并收集了反馈，以确保QorusDocs’ AI助手QPilot的第一个版本为我们的客户带来了即时的价值回报。”
评判已下：客户热爱QorusDocs’ QPilot
“QorusDocs’ AI平台为TRC的提案流程带来了显著的效率提升，” TRC Companies, Inc.的战略提案副总裁Stephen R. Galati博士解释道。“在QorusDocs’ QPilot之前，我们花费时间搜索信息并将其精炼成提案。现在，有了QorusDocs’ QPilot，我们体验到了显著的生产力增长，特别是在规划、资源、撰写、协作和时间效率方面，使我们的团队能够专注于技术内容而不是风格元素。 QorusDocs与Microsoft 365应用的无缝集成提供了快速获取信息的途径，并让我们对数据安全充满信心。”
客户和分析师的赞誉
以其引人注目的平台而闻名，QorusDocs在SoftwareReviews的研究分析中荣获了最高荣誉。2024年4月，QorusDocs在产品性能方面排名第一，并在提案管理类别的情感表达中被评为冠军。
与其现有平台一致，QorusDocs’ QPilot已经获得了使用预览版本的客户和分析师的高度赞誉，其中100%的用户报告生产力增长。
“生成式AI正在为专业服务行业创造指数级机会，” Info-Tech Research Group的人工智能研究副总裁Robert Garmaise分享道。“QorusDocs在这一转变中既是领导者又是主要推动者，因为他们简化了关键销售可交付物，如演示文稿、提案和RFP响应。对于任何希望最大限度扩大覆盖范围并将非计费时间降至最低水平的专业服务伙伴来说，QorusDocs都是一个不言而喻的选择。”
QorusDocs’ AI助手QPilot将于2024年6月5日上线。
要了解QorusDocs’ QPilot如何改变您的提案流程，请访问QorusDocs AI助手|QPilot。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Geekplus, 全球移动机器人和智能物流解决方案领导者，与BlueSkye Automation合作，为一家位于乔治亚的第三方物流服务商部署了一个完全自动化的智能仓库解决方案，该解决方案由Geekplus的Goods-to-Person移动机器人套件提供支持。{ width=60% }

---

未来计划包括为一家大型消费品生产商实施项目，以及为一家领先的汽车制造商提供综合自主解决方案。

首次部署帮助一家专门从事电子商务和批发配送业务的第三方物流服务商满足不断增长的电子商务销售，并应对严重的劳动力短缺。与BlueSkye一起，Geekplus通过部署Shelf-to-Person、Sorting和四向穿梭Pallet-to-Person解决方案以及传送带、打印&应用以及机器人手臂，更新了客户的手动流程。通过利用四种不同类型的机器人技术，完全自动化的仓库现在能够处理各种订单履行类型，包括B2B和B2C订单、每个挑选和箱挑选。

在自动化系统的安装和投入使用后，BlueSkye Automation继续通过其经过认证的专家团队提供持续支持和服务。

“与BlueSkye Automation合作，我们能够极大地提高这家客户的拣选效率和存储密度，” Geekplus渠道合作销售总监Randy Randolph表示。”与BlueSkye合作是非常重要的，因为它使我们能够协作并为客户带来这种改变游戏规则的改进。”

BlueSkye Automation总裁Armando Gonzalez补充道：”我们的综合解决方案旨在使工作更高效，提高生产力；与Geekplus合作，我们可以帮助我们的食品和饮料、汽车、制造、制药和电子商务客户利用自主移动机器人的好处。”

---

注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

文章来源：技术领导力

K哥的朋友王总，是某大型集团董事长，去年从大厂重金挖了个P9做CTO，并对其寄予厚望。上任后不久，CTO就给王总分析未来趋势，提出了AI战略，要求集团投资3000万搞大模型。

---

没成想，不到一年时间3000万预算就造光了，而CTO口中的大模型却连影子也没看到。董事长也慢慢回过味来，果断叫停了项目，裁掉了CTO。类似这种在大模型上折戟沉沙，几千万花下去，毛都没看到的真实案例，K哥今年至少听了5个以上。在当前环境下，为什么还会出现这么多“看上去很傻”的故事，今天K哥就和大家聊一聊。

大模型本身，并不能创造价值

1. 技术本身，并不创造价值

大模型无疑是近年科技圈风头最盛的热点，很多企业都把大模型当成了不容错过的风口，砸钱建团队，跑步进场准备淘金。大模型真就是现成的金矿吗？所谓大模型，其实就是具有庞大的参数规模和复杂程度的机器学习模型。它所带来的生成式AI技术，可以让人用自然语言与机器交互，确实是数字时代的又一次重大革新。但说到底，大模型仍只是底层技术底座，其本身并不能直接创造价值。

举两个例子，就更容易理解了。胶卷时代的王者柯达，早在1975年就在实验室里研发出了世界上第一台数码相机，但由于担心这项技术会影响胶卷销量，就一直没有推广应用，最终被呼啸而来的数码时代所淘汰。

和柯达的命运一样悲催的，还有施乐公司，这家公司最早推出了个人电脑，爆火的却是IBM和苹果；最先创造了GUI（视窗界面），受益的却是微软的Windows；最早发明了鼠标、键盘和以太网，自己到今天却还在“执著”做着上世纪的生意——卖打印机和复印机。

不管什么领域，如果只是一味卷技术，而不考虑将其商业化落地，相信都会遇到柯达或施乐的尴尬。对于大模型产业链上的参与者而言，必须要想通一点，大模型是一个基础，必须把它“下沉”到各应用场景中去，让它的上面“长”出有价值的应用，让技术真正为应用服务，这个产业才算跑通了，才有可能越做越大。

2. 技术总是短期被高估，长期被低估

去年开始，全球范围掀起了以大模型为代表的生成式AI浪潮，国内很多企业也不甘人后，积极入场。一时间，但凡和算力、算法、数据、网络安全、云计算、AI相关的企业和题材，都能被追捧上天。

360公司就是一个典型的例子。自去年年初AI大模型爆火后，周鸿祎就频繁发表言论，表示360不会错过这一历史性机遇。结果，360的股票从2月初的7块多钱，暴涨至4月初的20多元。类似360这样，在AI大模型题材风口上，股价暴涨、市值大增的企业还有很多。从财务和投资的角度看，有些人确实已经尝到AI大模型带来的“甜头”。但从技术革新的角度看，我们还远没看到大模型给人们工作生活带来的巨大改变。

比尔盖茨说过：“我们总是高估未来2年会发生的改变，低估了未来10年将发生的改变。”虽然大多数人都对AI大模型代表未来的发展方向，没有异议，但如果过于短视或过于急功近利的看待这一技术，就未必是好事了。

在未来，AI大模型绝对有无限大的价值，等着我们去发掘。但我们要审慎客观地看待它的发展周期，不要总幻想它能在短期内给人类带来“翻天覆地”的变化，或者给个人带来泼天富贵。毕竟，我们见证过太多“风口”过后的一片狼藉。

别卷大模型了，机会在AI Agent

1. 从百模大战，到十模共生

尽管不断有大佬高喊“不能落地的大模型没有意义”，但丝毫不影响近一两年来大模型赛道的激烈厮杀。截至去年8月之前，国内就有超过120家机构或企业发布了自己的AI大模型。李开复被问到大模型赛道最终能有几家活下来时，直白回答“除了大厂，中美加起来应该可以支撑五六家左右。”算上大厂，也不过是“十模共生”。

大模型赛道本来就是资本密集型、人才密集型、数据密集型的赛道，在准备进场前就要先想好一系列复杂的问题，比如人才建设问题、技术落地问题、数据和隐私的问题，商业模式问题等等。这注定是科技巨头战场，绝大部分中小玩家，都不具备上牌桌的实力。

话很残酷，但道理很对，看看近几年，新能源汽车行业埋葬了多少梦想家，才最终跑出寥寥几家“造车新势力”。今天的大模型也是如此，可以信仰，但不要FOMO（Fear of Missing Out，怕错过），要清楚这还不是商业风口，而是一将功成万骨枯的技术革命。

2. 利用AI基建，开发AI云原生应用

比尔盖茨有这样一个判断：Agent是下一个互联网。李彦宏也公开表示：“中国现在有好几百个基础模型，这是对社会资源巨大的浪费，更多的资源应该放在去探索跟各行各业的结合，探索有没有什么全新的超级 APP 的可能性。”

大模型的能力涌现，需要一个载体Agent的形态，使其能够像人一样在不同的角色中，操作不同的工具，完成不同的任务。尤其在大模型基础能力，已经达到很高水平的情况下，一些企业如果懂得利用AI基建，开发适合自身的AI云原生应用，既又现实可行性，又能为企业带来更多意想不到的收获。

3. AI不是工具，而是战略

科技发展到今天，AI给我们带来的不只是效率的提升，还是业务模式的变化，组织架构的整合，工作流程的优化，以及目标路径的重建。因此，对当下的企业而言，AI不只是工具，更是战略、是顶层设计。

最近不少老板找到K哥，请我为他们的企业做AI方向上的战略规划咨询。在这里就和大家分享一下大致做法，你也可以依葫芦画瓢，给自己的企业做AI战略规划。

1）洞察诊断；首先要对企业现状进行了解和诊断，并在这个过程中识别出管理者对AI技术的真实痛点和需求。

2）学习/培训；根据诊断结果，K哥设计出针对性强的学习方案，包括3次AI培训和一次AI公司参观。通过这些学习活动，企业管理者通常会对AI技术有了更深入的了解，并开始对AI技术的应用产生一些想法。

3）战略规划；在企业管理者对AI技术有了更多的认知后，K哥开始带领他们进行AI战略规划。通过头脑风暴、SWOT分析等方法，K哥会帮助这些管理者制定切实可行的AI战略规划，设计适配的业务模式。

4）落地实施；在AI战略规划制定完成后，K哥还将协助企业管理者将规划付诸实施。包括帮助企业建立AI团队，提供必要的技术支持和培训等。这些对K哥来说，资源都是现成的，但是对企业来说却很难找到这样的人才和服务，这也是我的价值所在。

5）复盘评估；在AI战略规划实施一段时间后，K哥会对实施效果进行评估。了解战略规划和业务模式落实的实际效果，复盘当中的成绩和问题，并加以固定或优化。

战略梳理的方法论很多，比如：IBM的BLM（Business Leadership Model，业务领先模型）、波士顿BCG矩阵等等。

未来十年，所有的公司都是AI公司

1. 回顾科技发展史，感知AI未来

很早之前，谷歌创始人就曾说过：“未来将没有互联网公司，所有的公司都是互联网公司。” 现在看来，所言非虚。无论是制造业、零售业，还是服务业，都在积极“+互联网”，不遗余力地将互联网技术融入到自身的业务中。

AI领域，无疑也会复制同样的发展趋势，就像阿里前CEO张勇所说的那样“所有的产品，都值得用AI重做一遍”。比如新能源汽车上通过搭载AI系统，可以实现自动驾驶；电商平台借助AI大模型，推出7x24小时更“勤奋”更靠谱的智能客服。

历史是一面镜子，看懂了昨天，就明白今天该怎么做。AI技术，无疑将成为人类历史发展新阶段的“新引擎”。多看互联网的过去，才能更好把握AI的未来。

2. AI原住民，将淘汰AI新移民

最近听一位朋友说，他儿子学了5年美术，现在准备放弃了。问原因，朋友告诉我：“儿子觉得继续学美术，已经对将来没什么帮助了”，朋友接着感慨：“如果只从多一门技能的角度看，这个时代学画画确实没什么意义了，看看商场、超市、地铁站的海报，全是AI创作了…”。我又问朋友如何看待AI的画风，朋友回答：“我明白你的意思，也许我们有些不习惯，但谁能保证下一代人不会习惯呢？谁又能知道AI绘画会发展到什么程度呢？”

这段话给K哥带来了很大震撼，如果说当前职场中的70、78、90们是AI新移民，那么现在的00后、10后，就是AI的原住民，他们和我们的差异不只是技术上的，更是思维上的。

生产工具（AI）的革新，必然催生新的生产关系、生产模式，塑造新的思维认知和行为规则，同时也会加速对老旧生产力，生产工具的淘汰和改进。这是细思极恐，但又很难避免的现实。如果想让自己成为“例外”，最好的方式就是理解AI，掌握AI，运用AI，这样也许能在未来的社会中，保有一定的竞争力，而不至于被AI新移民们快速淘汰。

未来已来，AI时代大家各自珍重，共勉！

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

今天，全球仓储机器人提供商Exotec®很高兴地宣布，该公司已被列入2024年CNBC颠覆者50强榜单，这是该公司连续第三年获此殊荣。{ width=60% }

---

Exotec在今年的榜单上排名第10位，较2023年的第11位有所上升。CNBC颠覆者50强是一个已经进行了12年的年度榜单，旨在识别那些正在改变国际商业格局的创新快速增长的私营公司。

Exotec是一家价值200亿美元的全球仓储机器人提供商，得到包括Gap Inc.、Uniqlo和迪卡侬在内的全球最大品牌的信任。自进入行业以来，该公司在新市场（如东欧和韩国）扩张，并在亚太地区、欧洲和北美等关键市场取得了记录业务增长。2023年，Exotec的全球员工人数增长了80%， 超过了100个全球客户站点，成为全球销售额突破10亿美元的系统中增长最快的物料处理公司之一。

Exotec的首席执行官兼联合创始人Romain Moulin表示：“自2015年进入市场以来，Exotec经历了巨大的采用和增长，彻底改变了仓库自动化领域，此前由少数传统参与者主导。” “三次荣获CNBC颠覆者50强榜单的称号进一步证明了我们优雅可靠的机器人解决方案对我们客户的运营和整个行业产生的影响。”

要观看Romain Moulin在CNBC的“Squawk Box”节目中谈论Exotec及其持续增长，请点击这里。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

文章来源：硬AI
作者 | 张逸凡
编辑 | 硬 AI

阿里透露24Q1智能云AI收入同比三位数强劲增长，预计云业务下半年恢复双位数增长。

AI收入同比三位数强劲增长？！
5月14日财报会上，阿里透露24Q1阿里的AI相关产品实现了收入同比三位数强劲增长。

---

集团CEO吴泳铭表示，AI业务的增长主要来自于两方面：
基础模型公司、互联网公司的模型训练及推理服务需求；
金融、汽车等行业垂直应用需求增长推动；
对于未来的预期，管理层认为在公司对AI的大力布局下，阿里云的商业化收入将在下半财年恢复双位数增长。
同时从财报现金流变动来看，阿里云仍然是1季度公司重点的资本投入方向。

为何阿里云AI业务能够实现如此强劲的增长，阿里云的AI战略将会如何进行？本文试图透过公司过去半年的业务变化探知一二。

01

阿里的AI布局

去年9月，吴泳铭出任阿里巴巴集团新一任CEO后，提出了“用户为先、AI驱动”两大战略重心。在11月电话会上，吴泳铭又正式明确为三个方向：技术驱动的互联网平台业务，AI驱动的科技业务，全球化的商业网络。
对于阿里云来说，在经过2个月的断舍离后，吴泳铭确定未来五年阿里云将实施AI驱动、公共云优先的策略。
为此，公司随后在AI领域布局更加全面，战略也更清晰。一切配合公共云服务增长。无论是原先的开源模型基座、通义系列AI应用、模型社区，还是进一步拓展对外投资，扩大阿里的“AI生态朋友圈”，都在为阿里云的核心——公共云服务引流。
硬AI统计目前阿里云主要AI产品生态：

02

AI云服务

毫无疑问，阿里的公共云已经成为云板块的核心，所有的业务都在围绕这一议题而布局。专注于在技术和规模上建立竞争优势，并降低了全球公共云产品的价格，已成为阿里云的优势。
进一步拆分，AI云服务的优势体现在算力、通信、模型库等要素。
1）算力/网络
作为云服务龙头，阿里云拥有算力和网络资源的先天优势。依托自身的云平台，阿里搭建了充足的AI基础设施（包含算力和通信设施），并推出云开发平台ModelScope，使得开发者可以轻松地在云端开发和部署各种AI模型。
今年四月初，阿里董事会主席蔡崇信接受采访时指出，当前算力储备足以支撑18个月的大语言模型训练需求。另外，在“推理”阶段，公司也有相应的部署，来支撑模型的运营。
这一点从公司本季度现金流消耗上得到了印证。

2）通信网络
阿里推出的HPN7.0网络架构，是目前以太网AI集群的最高水准。使用了以太网RDMA低延时技术，支持高达10万卡量级的集群可扩展规模。做到了响应快、低延时。
5月14日消息，阿里云AI高性能网络架构HPN 7.0成果论文被SIGCOMM2024收录，成为SIGCOMM历史上首篇关于AI智算集群网络架构的论文。SIGCOMM是全球最权威的计算机通信网络顶会，此前谷歌Jupiter网络入选SIGCOMM后发展成为经典架构，有专家指出，阿里云HPN7.0有望成为下一代AI高性能网络架构的新范式。
近期，阿里云发布的通义千问2.5版本大模型正是基于HPN 7.0所构建的高性能网络集群实现的。

3）AI云开发平台
阿里推出云开发平台ModelScope，为开发者提供广泛的模型库，使得开发者可以轻松地在云端开发和部署各种AI模型。

03

模型基座

在为大模型客户提供云计算服务的同时，阿里云也在开发自己的开源大模型，但这并不是为了抢占客户市场，而是通过阿里云的技术开源，帮助行业技术更快增长。
截至目前，阿里的通义大模型已经迭代到了2.5版本。近日，权威机构发布的最新测评结果显示，阿里云推出的通义千问2.5在中文性能的表现已追平GPT-4 Turbo。
通义模型的发布，一方面是为了建立公司的AI生态（采用了开源形式），帮助行业更快发展，做大市场，提升对AI云算力的需求；另一方面也是为了推动AI应用的发展，基于该大模型，开发者可以快速构建适用于不同场景的AI应用，例如智能客服、图像识别、自然语言处理等，增加集团内部和C端用户增长，从而提升云算力服务需求。
这两者的快速发展，都可以快速驱动阿里云业务的增长。

04

模型应用

考虑到公司AI驱动战略，需要适用于各个不同场景/业务的模型来支持。
在大模型基础上，基于多模态，阿里云推出了一系列垂直行业应用。
根据官网显示，目前通义系列已推出对话AI应用通义千问、语音转文字AI应用通义听悟、图像生成AI应用通义万相等。

此外还有针对不同业务场景特殊需求的垂直应用，包括通义法睿（法律）、通义灵码（编程）、通…

05

对外投资，建立阿里AI生态

在吴泳铭提出公共云优先的策略后，阿里对AI大模型的投资脚步明显加快，目前国内大模型五小龙，无一例外获得了阿里的投资。。
从2023年9月投资智谱AI，到今年3月，阿里完成MiniMax的新一轮投资。
至此，阿里巴巴完成了对中国五家头部大模型独角兽（月之暗面、MiniMax、智谱、百川，零一万物）的投资，这些头部大模型厂商在B端和C端市场影响力逐步增大，也为阿里AI云服务提供巨大的增量，成为AI业务三位数增长的重要来源。
从公司AI驱动、公共云优先的策略的战略角度来看，这种投资在当下显得极为重要。
大模型厂商需要依靠稳定且高性价比的AI基础设施来训练和推理模型，阿里作为国内领先的AI云服务商，能够高质量的提供这种服务。
这一点在本季度财报中也得到了印证，由于在技术和规模上建立竞争优势，阿里本季度降低了全球公共云产品的价格。而这更好的推动了AI行业的发展。
同时，阿里通过投资和服务抢占先机，使大模型公司将业务部署在阿里云上，随着后期大模型用户快速增长，AI云计算需求亦随之增长，从而推动阿里云核心业务增长。
阿里对AI大模型公司的投资，变成AI大模型公司的资本开支，再回流阿里云，形成业务闭环。
这种投资方式在海外巨头上也有相似案例，亚马逊投资Anthropic也是基于类似逻辑。进一步的，用云算力作为资本入股大模型厂商，也成为进一…

06

阿里云的未来呢？

目前来看，阿里云“AI驱动、公共云优先的策略”已经开始见效，阿里云选择了一条聚焦的路。但未来的增长，最重要的还是靠生成式AI行业的大发展，而这一点的确定性正在不断增强。
就如同阿里在财报中预计的那样：“阿里云下半年能重返双位数增长”。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

文章来源：头部科技
文丨俊俊

不容置疑，人工智能一定是近年关键词。国内百度、阿里、科大讯飞、商汤接连布局，王小川、李开复、王慧文等也纷纷加入，“他们”为AI造势，AI也令“他们”名声大噪，近期国外大模型也开启了大乱斗模式。

---

作为经历过移动互联网，投资过上一轮AI热潮的人，李开复也创立了大模型公司，他表示，“这次大模型创业，我十年都不会变现”，似乎不太乐观。或许，AI大战经过这么多轮的追逐，当下我们可能更要思考和面对的是，AI的浪潮中，企业应如何平衡技术信仰与市场导向？如何对冲大模型高昂的训练成本以及研发成本？AI又要如何赚钱，才能带动AI新创企业业绩持续增长，快速完成IPO实现上市？2024年，AI大模型行业将迎来真正洗牌。

国外媒体日前撰文指出，人工智能的热潮或已开始逐渐褪去。人们也越来越清楚地认识到，大模型变现的过程中支出与收入差距明显，押注这场革命的科技公司，正努力寻找如何缩小巨额支出与未来利润之间的差距。

对一些为开发通用人工智能合计募集到数百亿美元的明星初创企业而言，这个问题尤为严重。国外一些初创企业已经意识到，初创公司想要同微软、谷歌等科技巨头在人工智能领域一决高下，门槛已经提高至数十亿美元。且即便是账户中拥有了这么多的资金，也可能只是杯水车薪，不一定有成效。

自今年3月中旬以来，数家曾风光无限的人工智能初创公司已因财务压力遭受重创。

募集到15亿美元、但几乎没有获得任何收入的Inflection AI，已经放弃了原有的业务。

因推出开源大模型平台Stable Diffusion而风光无限的Stability AI，不仅进行了裁员，还辞退了首席执行官。得到亚马逊和谷歌巨额投资的Anthropic，则一直在努力缩小营收与巨额支出之间高达近18亿美元的差距。

大模型企业的盈利能力始终限制着产业的发展。公开数据显示，2023年中国AI领域投融资数量约为232笔，融资总额约为20亿美元。CBInsights数据显示，2023全年生成式AI新创在全球获得约204亿美元融资，是2022年36亿美元的5倍以上。

进入到2024年，资本市场对AI大模型正逐渐从火热到趋冷。一级市场上，IT桔子数据显示，2024年Q1 AI生产和AI行业应用融资金额分别为123.89亿元和74.01亿元，对应投资事件数量分别为36起和65起。

就在近期，据相关媒体报道，前搜狗公司CEO王小川创立的百川智能正进行新一轮数亿美元融资，这或将成为2024年国内AI领域最大融资之一，但日前并未得到官方确认。当下，月之暗面、MiniMax估值分别为超23亿美元和超25亿美元，智谱AI估值超百亿元，这四家AI新创企业在资本助推下，正成为生成式AI时代的“新AI四小龙”。

资本押注“新AI四小龙”的背后，或是2023年全球资本市场对AI大模型高热情的缩影。若考虑“新AI四小龙”拿下行业大笔融资，其他AI新创企业则正面临融资难、融资少的问题，AI应用也成为资本关注的新方向。

众所周知，OpenAI 的技术能力领先程度，与其烧钱的速度，一直成正比的。但其商业化收入，始终没有显著提升。

第三方市场分析平台Sensor Tower公布的数据显示，过去一个月中，ChatGPT在全球App Store中的下载量为700万，订阅收入1200万美元；全球Google Play市场的下载量为9000万，订阅收入300万美元。

目前，ChatGPT Plus在两个应用商店的订阅价格均为19.99美元。由订阅数据推断，ChatGPT Plus过去一个月中，通过应用商店付费的订阅用户数为75万。虽然ChatGPT Plus还有大量的直接付费用户，但从手机端的收入来看，每年进项仅为2亿美元，再翻几倍也很难覆盖其烧钱速度，更难撑起OpenAI近千亿的估值。这可能也是GPT 5迟迟不发布的原因，要么是性能没提高多少，要么是成本太高。这背后，正是成本与商业模式的问题。

自2023年大模型发展至今，To C端的大模型商业化一般为互联网订阅模式。如文心一言的连续包月和包年，智谱AI根据用户访问官网期间使用的tokens进行收费。此外，国内AI新创企业，多以互联网订阅方式为主，场景多集中在聊天机器人及衍生的AI虚拟陪伴等领域。但想要跑通互联网订阅模式，核心需解决用户增长、用户体验、用户留存等关键问题。尤其是在国内To C端用户付费意识不强下，更需保证大模型APP DAU的持续增长。2024年百模大战下，各类AI场景应用层出不穷，这让用户愈发挑剔的同时，各家企业想要打造爆款大模型APP难度也在增加，AI新创企业通过信息流、应用商店、App Store获取用户增长的成本将持续走高。如何不断进行场景创新，保证用户留存成为AI新创企业的难题。

用户留存的不稳定，也将直接影响AI企业的运营成本。如当用户访问量激增时，AI企业需将大模型算力扩容。可当访问量暴跌后，又出现大模型算力闲置浪费问题。考虑当前大模型算力成本居高不下，如何进行成本均摊减轻计算负担，如何进行大模型算力的“削峰填谷”，又是AI公司所面临的另一难题。

创业者们除了找到切入点以外，在To C市场要特别注意国内和国外的环境差异，尤其是行业管理和国家合规性问题，同国外市场相比，中国的C端市场在多样性和规模上空间显然更大。

To B端大模型商业化收效可能更快。AI大模、SaaS、云等各类软件，只有给企业带来真正的降本增效才有价值，才有企业主愿意买单。如何让国内To B端企业主真正意识到大模型价值，尤其是相较于传统SaaS服务具有更大价值，发力To B端大模型市场，是AI企业迫切需要解决的问题。进一步看，To B端大模型商业定制化服务面临两个棘手问题。一方面，价格力是SaaS企业和云企业保持竞争力的关键。另一方面，为To B端定制大模型除老生常谈的数据安全、部署成本、专业化、对客户需求痛点理解高，以及定制化服务可复制和重复性程度低、企业投入高、客户跟踪时间长等。尤其是大型企业的回款周期相对较长，更是对AI新创企业的现金流要求极高。

To B的需求会很复杂且难以规模化，而且国内To B环境跟国外的To B环境完全不一样。即便如此，大模型在To B领域可能会较早落地。在To B领域，客户关注的是解决方案而非产品本身，因此B端服务应着重于解决客户的实际问题，而不是单纯依赖大模型技术。因此，To B领域更多地是关注B端的痛点，而在To C领域更多的是提升C端的体验。AI大战鱼龙混杂，浪潮汹涌起伏，无论是想看热闹，还是虔诚地相信文明演进，这一切都将在某个时间节点给大家答案。只是在当下，其实可能很多人还没意识到，无论变现还是技术，抑或其他方面的瓶颈，可能并不只是小公司的事情。不过，如果AI演进到聪明的几乎不需要人类，那人类又凭什么想靠AI来赚钱？

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。