美国海军长久以来一直在贯彻执行IT基础设施与资源集中化这项重要工作,而且现在距项目启动时已经过去了十二年。具体负责相关事务以提高军队执行效率、实现积极影响的是海军架构、标准与情报部门副助理秘书James Meng。在上周于麻省理工学院举行的年度信息质量大会上,theCUBE的两位主持人Jeff Kelly与Dave Vellante就相关话题对他进行了现场采访。
“美国海军机构规模相当庞大,”Meng解释称,其需要执行覆盖全球的二十项任务指令。“该部门的工作主要在于帮助军方完成这些任务。鉴于跨类型执行的高度复杂性,从历史角度看每一项任务都拥有彼此独立的流程与体系。随着我们在当今业务环境下不断取得进展,单单完成任务已经不足以满足客户需求。我们需要切实提高执行的整体效率。”
美国海军在业务执行领域划分出五大功能类型:采购规划、财务管理、人力资源与储备、基础设施安装——包括航道、飞机跑道、其它设施——以及物料管理。“每一种功能类型都保持独立运行,”Meng指出,因此不能像企业那样从业务角度加以审视与掌控。“如果不能像管理企业那样对其进行操作,那么我们就只能从直觉角度出发,而这样的处理方式显然不够可靠。”
“如果大家希望通过宏观视角确保执行战略任务的高效方式,在这样的情况下恐怕很难找到足以确切解决问题的平衡点,”Meng表示。他同时解释称,公司面临的核心挑战在于如何满足美国海军在执行集中化方面提出的需求。目前网络安全、情报与数据科学已经成为关注的核心重点,但美国海军并不具备足够的资源、特别是人力资源来打理这方面事务。正如Meng所强调,“我们需要在处理这类事务的过程中不断学习。”
“我们需要利用自己拥有的业务数据打造出具备可操作性的商务智能体系。我们希望尽可能降低业务系统组件的重复性;只有深入参与,我们才能推动整个海军业务体系朝着正确的目标不断前进,且保证在此期间不会引发任何业务中断,”Meng指出。
他的主要努力目标之一在于“让整个军事体系意识到,数据属于真正的海军资产构成。数据并非本地所有、本地消费型资源。事实上,数据属于本地管理但整体消费这一类型,”Meng解释称。海军方面在这条道路上已经前行了近十二年,他们迈出的第一步是采用一系列ERP系统,而且在过去七年当中“我们开始对所有产品、服务乃至功能流程加以进一步分类,”他指出。在这一流程当中,国会预算则是不可忽视的第三个维度。
数据标准化是专为美国海军制定的一项特殊工作目标。“数据标准化处理的根本诉求在于将数据转化为可资操作的情报信息,”Meng表示。“我认为最需要强调的一点是,通过对能力放大的关注强化任务执行效率。永远、永远不要偏离这一核心目标。数据科学项目始终紧紧围绕着提升任务效能这一关键,整套机构的存在意义从根本上讲是为了成功完成此类任务。”
好文章,需要你的鼓励
ServiceNow宣布将以超过10亿美元收购身份安全平台Veza,这是该公司2025年一系列AI和数据重点收购的最新举措。此次收购正值企业加速部署AI代理之际,而如何管理这些非人类身份的访问权限和输出已成为普遍难题。该交易将为ServiceNow的AI控制塔提供关键的身份治理能力,帮助企业建立统一的控制平面来定义上下文相关的权限、监控代理行为并大规模执行最小权限访问策略。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。
在生成式AI热潮中,只有英伟达和台积电真正赚到钱,其他AI产业链公司要么亏损要么利润被稀释。博通虽然在数据中心网络领域有不错的利润率,但为了不被AI浪潮抛弃,也选择进入AI业务。博通拥有730亿美元的AI积压订单,但被迫成为AI系统集成商,进一步稀释利润。第四季度博通收入180亿美元,同比增长28.2%,AI芯片收入达65亿美元。
HSE大学研究团队开发出革命性的AI图像生成加速技术——广义对抗求解器(GAS),能将传统需要几十个计算步骤的图像生成过程压缩至4-6步,速度提升十倍而质量几乎不变。该技术通过重新设计求解器架构和引入对抗性训练,在多个数据集上验证了显著的性能提升,为AI图像生成技术的普及应用奠定了重要基础。