科技行者 11月1日 北京消息:Mastercard(万事达)众所周知是支付领域巨头之一,而该公司目前正在开拓一条新的道路——区块链。Mastercard上周日宣布,将整合Envisble旗下Wholechain系统,利用区块链技术,提升食品工业系统与供应链的透明度。
「区块链」听起来与Mastercard的主要业务模式相去甚远,但Mastercard此举也是有迹可循——消费者如今在购买食品时,越来越倾向于了解食物的由来,这促使了万事达进入了这个新兴市场。更重要的是,对于食品生产者来说,食品系统中缺乏能够实现供应链可见性的重要工具,当中蕴藏的巨大商业空间也促使该支付巨头下决心一试的另一个因素。
▲ 图:摆在土耳其伊兹密尔水产市场上的新鲜鱼类
区块链技术已经被广泛认定为是在食品供应链中的一种强大工具。Mastercard公司认为,他们可以将这一孤立的技术与公司原有的专业知识相结合,从而打造出一个对于消费者和生产者都有助益的新产品。
通过与Envisible公司的合作,双方共同开发出商用解决方案,目前已经被美国主要的食品合作机构Topco Associates用于帮助各成员超市跟踪并标注海鲜食品的真实来源。
Topco方面则着手与一系列连锁食品企业(包括Food City)建立合作关系,希望通过技术试验,更好地确保店面中出售的海鲜食品符合道德规范与环保要求。目前第一批区块链跟踪的物种包括鲑鱼、鳕鱼以及海虾等水产。
乍看起来,食品生产、供应链以及道德可追溯性等因素似乎跟Mastercard的核心支付业务没什么关联。但他们对此充满信心,表示自己在支付领域积累下的半个多世纪的实践经验,将从多方面支持这一全新尝试。
“创新早已被写入我们的DNA”
笔者有幸与Mastercard Labs创新与初创业务高级副总裁Deborah Barta进行了交流,就此次不同寻常的业务拓展尝试询问了他的意见。
Barta告诉笔者,“这些业务与Mastercard公司目前的核心支付业务并没有多大区别。总体而言,Mastercard希望突破传统支付卡业务的束缚,而当下的尝试正是为了建立新的补充性业务。这种拓展早已被定稿我们的DNA,创新早已被写入我们的DNA。”
Barta随后解释了Mastercard已经确认的挑战,以及为何决定进军区块链食品跟踪市场。
她指出,“通过一段时间以来对于消费者关系的关注,我们发现,目前消费者开始要求企业保持统一的价值主张,也希望了解产品的制造方式、制造地点以及原材料来源等等。”
“再来看这种趋势的另一面:品牌与企业也因此经历着一轮新的变革。以往复杂而分散的供应链,使得企业几乎无法审查并研究每一款具体产品的来源与批次。因此,我们做出了合理的假设:如果能够以区块链技术为基础,实现前所未有的可见性,对于产品从产地到终端实现全渠道跟踪,那么必然能够显著提高产品的市场竞争力。”
“通过这种方式,我们能够证明自身业务流程符合可持续性理念、道德规范以及环保要求。此外,供应链本身也能够借此参与到改进与后端决策中来,甚至可以对接AI以进一步提升执行效率。至于消费者一侧,他们能够借此查看产品的整个生产流程,验证产品来源的真实性。所有相关数据都将被发布到区块链上,这种不可变性与可信度将把消费者与供应商更紧密地联系在一起。”
其他助益
目前,已经有一系列企业及区块链联盟尝试利用多种不同方案解决这个问题,但Mastercard显然不为所动。在这位支付巨头看来,凭借着强大的原有支付网络基础设施与区块链领域的丰富经验,他们足以打造出世界一流的区块链新平台。
Barta还补充道,“对于关注区块链发展的朋友们,我们早已拥有自己的许可型私链,而且这些项目在五、六年之前就已经开始构建。我们的区块链项目延续了Mastercard支付网络的基本宗旨,因此在真正投放市场之后,我们的项目将快速发展壮大。”
“这就是我们目前的起点。需要强调的是,区块链只是一项技术,单凭技术是无法实现价值的。在这方面,我们强调经营能力的重要性——Mastercard也会将目前提供的现成服务全面整合到新的区块链网络当中。”
“在我们看来,要想获得市场成功,必须拿出一套真正完整的商业化系统。因此要再次强调,单有区块链技术是不够的,这也是我们Mastercard与那些技术联盟之间最大的差别所在。”
“我们拥有五十多年的专营经验,这种经验已经渗透到公司的各个层面。如果合作伙伴要求我们提供金融普惠服务,甚至要求提供基于区块链的b2b支付服务,我们都能够及时给出解决方案。我们拥有丰富的积累,这种积累正是我们的信心来源。”
向正确方向迈出的重要一步
Mastercard公司在区块链、支付乃至加密货币领域都有所涉猎;但这一次,进军食品可追溯性市场仍然显得颇为激进。话虽如此,对于这样一家拥有强烈创新意愿与强大创新能力的企业而言,这仍然代表着向正确方向迈出的重要一步。
他们已经意识到区块链技术的重要意义,并且行动起来积极探索这项技术在各个领域的实际应用。这一方面能够帮助他们在区块链革命浪潮中始终处于最前沿,另一方面也使他们能够充分发挥自身宝贵经验与支付网络专业知识,最终在探索的同时取得新的商业成功。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。