区块链技术有望彻底改变现代商业体系中的方方面面。对于更乐观的区块链支持者来说,这项技术甚至有可能重现当初互联网带来的全面颠覆。
尽管如此,区块链技术的现实示例在相当一部分领域中仍然不够强大,企业也很难设想该如何具体实现这项技术。在本文中,我们将从三个行业出发,看看他们如何从区块链中获得实实在在的收益,又有哪些值得其他行业效法与借鉴的心得。
先说说区块链本身。区块链技术有望为数据的存储、管理及保护等任务带来切实可行的解决方案。它带来了一种实用且高度安全的信息、身份以及交易验证方式,并以此为基础建立起能够实时更新的超级安全记录。
因此,区块链的本质上属于一种数据存储方式。用更专业的术语来说,它是一种公开的分布式分类账(类似于数据库),其中的数据分布在多台计算机之上(重复)。分类账具备去中心化属性(即不存在单一中央管理员),且信息能够通过对等系统进行认证。
比特币这类加密货币可以算是最具知名度的区块链技术实例了。但除此之外,我们可以将几乎一切信息存储在区块链之上——包括金融交易、合同条款、供应链信息乃至医疗数据等等。从理论层面出发,任何对信息进行记录、监督与验证的过程,都能在区块链技术的支持下得到增强。
区块链在行动
最近几年,关于区块链的炒作之声确实不绝于耳,而其实际应用恐怕尚未起步。最重要的一点在于,区块链技术仍不够成熟(类似于互联网的早期阶段),而且我们还很难准确判断区块链将带来何种规模的技术变革。
但以下几个行业已经在区块链技术领域投入大量资金,并用实际行动将区块链广泛应用于各个领域。
区块链与保险行业
通过比特币项目,我们已经感受到区块链在支持交易方面的强大能力。此外,区块链也可以通过智能合约建立起正式的商业关系。更进一步,这种能力有望实现流程自动化、促进理赔畅通度并减少保险欺诈活动,最终彻底改变整个保险行业的面貌。
例如,Insurwave是一套基于区块链的海运船舶保险平台。该平台由A.P. Moller-Maersk集团、ACORD以及微软公司的合作产物,预计该平台将在上线的12个月之内完成50万笔自动交易并处理1000余艘商业船舶的保险业务。Insurwave平台能够向保险公司与被保险方提供重要的实时信息,包括船舶位置、状况以及安全隐患等。因此,一旦船舶进入高风险区域,系统会检测到此情况并在保费计算中有所体现。
再来看另一个示例,Nationwide保险公司正在试运行RiskBlock保险证明区块链解决方案。该解决方案能够帮助执法部门及其他保险公司实时验证保险责任范围。
区块链与银行业
区块链能够极大简化交易流程、同时提升交易安全度,为此银行业也开始着力探索区块链的实际应用。根据客户了解(KYC)规则的要求,不少银行正尝试将区块链作为身份验证与欺诈检测的可行方法。
区块链初创企业Bluzelle以及普华永道,近期与包括汇丰银行在内的新加坡银行联盟合作开发出一套KYC平台。从项目的实际表现来看,区块链技术不仅能够降低身份欺诈风险,同时也可以减少重复工作量、提供清晰的审计线索,并最终将保障成本降低25%至50%。
巴克莱银行也建立起多项区块链发展计划,用以跟踪金融交易、保障合规性以及打击欺诈行为。该公司对于区块链的优势深信不疑,并将此技术誉为“这颗星球的新一代操作系统”。
区块链与旅游行业
旅游行业能够上榜,也许出乎很多朋友的预料,毕竟他们似乎跟保险及银行业完全搭不上边。但仔细想想,区块链支持下的点对点交易也许会彻底重塑旅游业的基本面貌。Airbnb的极高人气表明,消费者非常喜欢跳过中间商,直接跟房东取得联系。有了区块链技术,我们甚至不需要Airbnb之类的中间平台,即可轻松完成所有交易——区块链将以智能合约的形式一步步完成条款履行。因此,建议每一位从事旅游行业的朋友都认真关注区块链技术的动向。
可能正因为如此,酒店服务集成平台GOeureka才选择使用区块链技术提高业务透明度并降低成本——他们直接向用户提供40万间酒店的订房服务,且不产生任何中间费用。TUI集团也投资于区块链技术,希望彻底消灭Expedia等中介机构。
另外,区块链技术也有望减少旅行途中那些常见的小麻烦,例如护照审查与海关排队等。咨询企业埃森哲与世界经济论坛合作开发出一套Traveler数字身份识别系统。这套基于区块链的系统能够收集并存储旅客的身份信息,有助于改善旅客与海关官员之间的数据往来,同时缩短出入境过程中的等候时长。
也许区块链技术还要几年时间才能真正普及,但上述示例至少证明,区块链技术确实有能力推动业务流程自动化、为客户带来更大价值、同时改善数据安全性等等。因此,无论您身处哪个行业,都有必要对区块链加以关注。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。