top of page

跨國數據流通促進經濟發展

Updated: Apr 28

不論什麼類型和規模的公司,毫無疑問都在享受數據創新帶來的好處。一項調查發現,數據分析對於人數不超過50人的美國和歐洲企業來說至關重要。事實上,到今天為止,沒有太多公司的運營活動僅限於一個國家,完全不依賴跨國數據流動的公司愈來愈少。 該報告具體闡述了對跨境數據流的限制,如何影響世界各行各業的公司,也提供了一系列的案例研究,說明傳統行業利用跨境數據流的好處,包括簡化運營、改進產品和服務、提供消費者利益等;此外,這些公司也需要內部進行數據轉移,藉以滙聚後,同時進行分析並改善運營。 舉例說,飛機本來就是用來跨國飛行,隨着愈來愈多設備開始收集數據,飛機設備也不例外。波音率先使用這些數據分析工具減少航班延誤、中途返航或航班取消,所有這些數據分析都直接令乘客受惠。 波音公司也向世界各地的航企出售飛機及服務,飛機製造商為商業航空公司提供了一種名為飛機健康管理(AHM)的資訊工具,收集飛行中的飛機資訊,並實時傳輸給地面上的維修人員;單是一架波音737客機的發動機,每小時便會產生20TB數據。 因此,一架裝備兩台發動機的飛機,從紐約飛往倫敦的8小時航程可以產生320TB數據。在飛行途中,波音使用這些數據來查找和診斷相關問題。飛機會把任何已發現的問題轉發給於下一個機場等候的航空公司維修人員,讓後者準備好適當的部件,待降落後立即修理。 這樣的智能分析為航空公司提供主動維護計劃,協助發現設備故障趨勢,從而提升效率、節省資金、減少等待時間。對於必須在風暴和意外延誤的環境中競爭的航空公司,提升安全性能和服務至關重要。通過無縫整合來自世界各地的數據,波音公司的技術讓航空公司改進服務,減少航班延誤,提升可靠度,降低成本及潛在事故率。 上述方法正運用在智能汽車、醫療器械及很多需要快速發展的智能製造業當中。如果你相信未來每一件產品都會被智能化,那麼限制數據流通也必然制約了經濟發展。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page