1.蚂蚁技术日：支付宝三大「AI 管家」亮相。

2.百度赵世奇：百度搜索＋文心智能体平台，助力智能体人人可用。

3.腾讯：发布大模型App腾讯元宝。

4.AFAC2024金融智能创新大赛启动，让高质量金融服务人人可用

5.京东：发布12大AI品类。

6.百度文库：发布全新产品“橙篇”。

7.何征宇：大模型还在钻木取火阶段，仍未找到AI的本质。

8.谷歌：承诺未来在马来西亚投资 20 亿美元。

9.OpenAI与《大西洋月刊》达成合作。

10.日本东电演示新机器人，清理福岛核电站熔化燃料。

11.人人都是“专家”，Perplexity AI 推出 Pages：将网络搜索转换为报告。 

12.360 儿童电话手表 10X AI 升级版今晚开售：搭载儿童手表微信，到手 499 元

13.商汤推出粤语版商量语言 / 多模态大模型，可深入理解粤语俚语、粤文化

14.百度网盘推出漫画头像AI生成功能。

15.“AI制药第一股”来了！晶泰科技9年融资53亿估值超143亿，最快6月挂牌上市。

16.全新编码 AI。

由微软支持的 Mistral 发布了其首个用于编码的生成式 AI 模型，名为 Codestral。

Codestral 旨在帮助开发人员编写代码并与代码交互，因为它经过了 80 多种编程语言的训练。该模型可以用英语完成编码功能、编写测试和回答有关代码库的问题。

17.苹果将通过人工智能对 Siri 进行重大升级，让用户能够控制应用程序内的各项功能。这意味着 Siri 只需发出指令即可执行诸如打开文档、发送电子邮件甚至总结文章等操作。这项更新将于明年在 iOS 18 上推出，将首先与苹果的应用程序兼容，但最终将扩展到更多应用程序。

18.索尼首席执行官 Tony Vinciquerra 表示，索尼将利用人工智能来降低电影成本。

---

人工智能的未来

如何管理 SaaS 蔓延的安全风险

软件即服务 (SaaS) 的蔓延给组织带来了严重的安全风险。如果他们的 IT 和安全团队不迅速采取行动，他们可能会遭受数据泄露和网络攻击。他们如何保护自己的工作场所免受黑客攻击？

什么是 SaaS 蔓延？ 

SaaS 蔓延是指工作场所内 SaaS 应用数量的无节制增长。如果组织有太多未充分利用或未管理的应用，则意味着他们正在经历蔓延。最近，这个问题变得越来越普遍。 

虽然有些人认为 SaaS 扩张只会影响大型企业，但它可能发生在任何规模的工作场所。一般来说，组织不会利用其配置的 SaaS 许可证的 40%证明了只要利用率不足，即使应用程序很少，也有可能出现蔓延。

为什么会发生 SaaS 蔓延

为什么会发生 SaaS 蔓延？主要原因之一是影子 IT — IT 团队不知情的情况下在组织中部署的应用程序、软件和服务。当员工秘密使用未经批准的应用程序或个人账户时，就会发生这种情况。

SaaS 蔓延的另一个驱动因素是部署的简单性。对于组织而言，采用这些调度、通信和办公工具比重新设计整个技术堆栈要容易得多，而且更具成本效益。 

对于大多数组织来说，SaaS 扩张是一个真正的问题。事实上，59% 的 IT 专业人士他们认为管理网络攻击和数据泄露很有挑战性。由于他们的职责是防止网络攻击和数据泄露，因此许多人感到采取行动的压力。 

SaaS 蔓延的安全风险

SaaS 扩张不仅让 IT 团队感到沮丧，还会导致严重的安全问题。

1.中间人攻击

当工作场所出现扩张时，他们很难监控敏感数据的位置。例如，MOVEit SaaS 攻击——影响了 2,600 家组织— 之所以发生这种情况，是因为组织使用文件传输应用程序来存储数据而不是发送数据。在这种情况下，他们很容易受到入侵和中间人攻击。

2.数据泄露和盗窃

面对 SaaS 扩张的 IT 和安全团队在管理配置方面遇到了麻烦。因此，他们错误配置了 SaaS 设置（即错误地设置了权限或控制），这使他们容易受到入侵、数据盗窃和各种网络攻击。

3.漏洞利用

组织通常处理客户、财务或个人身份数据，如信用卡号或地址。如果他们的 SaaS 业务扩张使他们无法跟踪哪些应用受哪些法规的约束，他们被黑客利用的可能性就会更高——而且他们可能会因不合规而支付高额罚款。 

4.数据拦截和篡改

平均每个工作场所使用 110 个独立的 SaaS 应用程序因此，难怪 IT 团队难以获得可见性。当需要管理的用户太多时，他们就无法跟踪用户活动。因此，他们更有可能错过可疑行为或未经授权的访问尝试。换句话说，黑客在篡改或查看敏感数据时不会被发现。 

如何管理安全风险

截至 2022 年，黑客已暴露了 81% 的组织敏感的 SaaS 数据。如果 IT 和安全团队想要防止此问题继续发生，他们必须制定相应的策略。 

1.进行风险评估

每个 SaaS 平台都有其独特的风险。即使它内置了顶级安全功能，采用它也会扩大组织的攻击面，使其更容易受到攻击。进行部署前风险评估有助于 IT 和安全团队了解该应用是否值得承担潜在风险，从而帮助他们控制蔓延。

2.定期审计供应商

即使是最有信誉的 SaaS 供应商也会犯错误，使组织面临数据泄露的风险。例如，Uber就经历了一次数据泄露2022 年，黑客利用亚马逊的 SaaS 平台通过第三方入侵其系统。定期审核其安全状况并遵守服务协议可以防止此类情况发生。

3.定义什么是被批准的 

IT 和安全团队应公布已获批准的 SaaS 应用列表，并明确不合规的后果，以尽量减少影子 IT。他们应明确说明，安装和使用未经批准的应用将受到纪律处分，以阻止员工这样做。

4.设置审批流程

实际上，无论后果如何，一些员工都会继续使用未经批准的 SaaS 应用。IT 团队可以通过创建审批流程来解决这个问题。至少，这让他们知道要注意什么，因为这让他们可以一窥工作场所的影子 IT。 

5.利用访问管理

即使 IT 和安全团队竭尽全力应对与 SaaS 蔓延相关的安全风险，也难免会有一些漏洞。在这些情况下，身份和访问管理工具必不可少。多因素身份验证、一次性密码、生物识别和访问密钥是抵御流浪攻击者的极佳防御手段。 

企业必须应对 SaaS 扩张

除非 IT 和安全团队采取行动，否则 SaaS 扩张可能会给雇主带来财务损失，这些损失与失去的商业机会、数据泄露恢复和不合规费用有关。积极主动的战略努力对于组织的长期成功至关重要。

科技公司同意建立共享芯片语言

科技巨头如英特尔、Meta、微软、AMD等正在合作，以标准化数据中心中芯片连接方式，旨在创建一个更灵活、包容的芯片生态系统。与此同时，市场领先者Nvidia似乎未加入此联盟，可能是由于其AI加速器在市场上的主导地位和对专有系统的依赖。这个新成立的联盟，名为“超级加速器链接”，计划构建一个系统，通过该系统可以将超过1000个AI加速器连接到单个计算舱，以实现更快、更节能的AI训练。该联盟预计在未来几年内推出其首批组件。

利用人工智能搜索濒危植物

E. woodii，一种比恐龙还古老的苏铁类植物，目前面临野外灭绝的危险，因为世界上只发现了其雄性样本，缺乏雌性样本使得自然繁衍成为不可能。这种植物最初在1895年在南非的Ngoye森林被发现，至今只能通过克隆在人工环境下繁殖。南安普顿大学的研究员Laura Cinti利用无人机和人工智能分析技术，对这片森林进行了航拍和图像分析，希望能找到雌性植物，尽管目前的搜索范围只覆盖了可能栖息地的2%。这种被誉为“世界上最孤独的植物”的生物目前在英格兰的邱园得到保护，科学家仍抱有希望在其原生森林中找到其雌性伴侣。

戴尔财报显示企业 AI 采用率低迷

在近期的财报中，戴尔公布了其盈利和收入超出预期的数据，但其业绩报告表明企业和二级云服务提供商对人工智能的采用速度较低。戴尔的股价在公布后在盘后交易中大幅下跌，尽管年初至今股价仍上涨显著。

戴尔的人工智能战略聚焦于在本地部署基础设施，以便企业更好地利用数据，假设企业需要在本地而非云端部署基础设施。尽管面临挑战，公司认为本地部署的人工智能基础设施对于处理延迟敏感的推理工作负载是必要的，并有望吸引企业投资。此外，戴尔首席运营官Jeff Clarke强调，数据的本地化和边缘生成对于人工智能的效率和安全性至关重要。

尽管戴尔面临诸多挑战，包括客户对人工智能的复杂性和采用的迟疑，公司依然借助其长期经验和规模优势，试图在人工智能硬件市场中占据一席之地。戴尔的这一策略是否能在与云计算提供商的竞争中取得成功，仍需时间来验证。

物流革命：人工智能如何增强供应链管理

人工智能 (AI) 正在通过提高效率、改善决策和提高整体弹性来彻底改变供应链管理。通过利用人工智能，公司可以优化物流、更准确地预测需求并快速应对中断，从而将传统的供应链运营转变为动态、互联的系统。

人工智能供应链市场概览

受对自动化和物流及供应运营效率提升的需求不断增长的推动，全球供应链管理人工智能市场正在快速增长。市场规模在 2022 年为 33.4 亿美元，预计在 2023 年至 2029 年期间将以 45.5% 的复合年增长率 (CAGR) 增长，达到近 461.5 亿美元。这一增长得益于机器学习、计算机视觉和自然语言处理等人工智能技术的融合，这些技术越来越多地被应用于改善供应链规划、仓库管理和车队管理。

推动这一增长的关键因素包括对供应链流程的更高可见性和透明度的需求、大数据量的不断增长以及基于云的解决方案的日益普及。然而，市场面临着运营成本高和人工智能专业知识匮乏等挑战。尽管面临这些挑战，人工智能通过提高运营效率和降低成本来彻底改变供应链管理的潜力仍然在推动市场扩张。

人工智能对供应链管理的影响

人工智能 (AI) 正在极大地重塑供应链管理的各个方面，并在几个关键领域提供增强的功能：

1.需求管理和预测：人工智能擅长通过分析大量数据来高精度地预测未来的产品需求，从而改善需求预测。这种能力使公司能够优化库存水平，最大限度地减少过剩库存并减少短缺。人工智能驱动的工具整合了各种数据源，包括历史销售、市场趋势和消费者行为，以动态预测需求并相应地调整供应链策略。

2.库存和供应链优化：人工智能应用程序通过优化库存管理和物流来简化运营。它们可以预测最佳库存水平并自动化重新订购流程，减少人工干预和人为错误。人工智能还可以通过分析交通模式、天气状况和车辆性能数据来增强运输路线规划，从而提高交货效率并降低运输成本。

3.风险分析和战略决策：人工智能通过提供对潜在风险和供应链漏洞的洞察，为战略规划做出了重大贡献。它可以模拟各种场景并预测它们对供应链的影响，帮助管理人员做出明智的决策。人工智能工具可以识别和评估供应商风险、市场变化或潜在中断，从而能够主动管理这些挑战。

4.运营效率：在运营方面，人工智能通过自动化和预测分析提高供应链流程的效率。它可以预测设备维护需求，防止停机并延长机器的使用寿命。人工智能还通过优化布局和自动化拣选和包装流程来增强仓库运营，从而提高吞吐量并降低劳动力成本。

这些人工智能应用不仅提高了运营效率，还通过提供更具响应性和适应性的供应链框架来支持企业的战略目标。对于希望在快速发展的市场环境中保持竞争优势的企业来说，将人工智能融入供应链管理至关重要。

供应链管理中人工智能实施的挑战

在供应链管理中实施人工智能面临多项挑战，企业必须克服这些挑战才能充分利用该技术的潜力。这些挑战包括技术和数据相关问题、人为因素和成本考虑等。

数据质量和可用性：AI 系统需要高质量、全面的数据才能有效运行。许多组织难以获取足够的数据，或面临数据孤岛和数据质量不一致的问题，这可能会妨碍 AI 应用在预测、规划和决策过程中的有效性。

与现有系统的集成：将人工智能技术与现有供应链管理系统集成带来了重大的技术挑战。许多公司采用的旧系统与现代人工智能解决方案不太兼容，需要进行大量修改或替换，这可能会造成高昂的成本和破坏性。

实施成本高昂：实施人工智能的成本可能高得令人望而却步，尤其是对于中小型企业而言。费用不仅包括对技术的初始投资，还包括与系统维护、更新相关的持续成本，以及可能需要雇用或培训具有必要技术专长的员工。

缺乏熟练人才：市场在人工智能和供应链管理方面存在明显的技能差距。对能够在供应链流程中有效整合和管理人工智能的专业人员的需求超过了目前的供应，导致招聘困难，并需要在培训和发展方面进行大量投资。

信任和不愿改变：人们通常不相信人工智能系统能够执行传统上由人类处理的复杂供应链任务。这种犹豫可能是由于不熟悉该技术或担心工作被取代。此外，实施人工智能需要对工作流程和流程进行重大改变，这可能会遭到习惯于传统方法的员工的抵制。

安全和隐私问题：由于人工智能系统经常处理和存储大量敏感数据，因此确保这些数据的安全和隐私是一项关键挑战。公司必须投资于强大的安全措施来防止违规行为，这增加了人工智能实施的复杂性和成本。

监管和道德问题：驾驭与人工智能相关的监管环境可能具有挑战性，因为它涉及遵守数据保护法、人工智能决策的道德考虑以及可能适用于供应链管理中人工智能实施的其他行业特定法规。

应对这些挑战需要采取战略性方法，包括投资数据质量、规划集成、有效管理变革以及确保持续培训和支持员工。此外，企业必须考虑解决安全和监管合规问题的长期解决方案，以充分发挥人工智能在供应链管理中的优势。

道德人工智能和就业影响

人工智能与物流的融合引发了重大的道德问题，尤其是关于工作岗位流失和数据隐私的问题。随着人工智能技术将传统上由人类执行的任务自动化，人们真正担心的是，包括卡车司机和仓库工作人员在内的体力劳动者可能会失业。如果不谨慎管理，这种转变可能会导致严重的社会和经济混乱。像 Muftar 这样的公司正在通过投资技能提升和再培训计划来解决这些问题，旨在让工人为与人工智能技术相辅相成的新角色做好准备，从而减轻工作岗位流失的影响。

数据隐私是人工智能驱动物流的另一个关键道德问题。人工智能算法所需的大量数据包括个人和企业的敏感信息，存在数据泄露和滥用的风险。公司必须实施强大的数据保护措施，例如加密和严格的访问控制，并确保数据收集、使用和存储方式的透明度。这种方法不仅可以保护隐私，还可以建立公司与利益相关者之间的信任。

人工智能算法中的偏见是另一个道德问题。如果不仔细监控和纠正，人工智能系统可能会延续训练数据中存在的现有社会偏见，导致不公平的做法和决策。定期审核和开发无偏见算法是确保物流人工智能系统公平公正的重要步骤。

人工智能自动化与人类劳动之间的平衡非常微妙。虽然人工智能可以提高效率并降低运营成本，但保持以人为本的物流方法至关重要。这包括在决策过程中保留人类监督，并确保人工智能支持而不是取代人类工人。人类和人工智能之间的协作可以充分利用两者的优势，从而实现更具创新性和可持续性的物流实践。

总之，将人工智能道德地融入物流需要采取多方面的方法，包括致力于劳动力发展、严格的数据隐私实践、持续减少偏见以及在自动化和人工劳动之间取得平衡。通过积极应对这些道德挑战，公司可以利用人工智能的优势，同时确保公平、隐私和对人工劳动的尊重。

案例研究：供应链中的人工智能整合

人工智能与物流业务的结合为各家公司带来了巨大的利益，一些引人注目的案例研究就是明证。这些案例不仅展示了人工智能的实际应用，还提供了对此类整合的策略和结果的见解。

Swift Logistics：Swift Logistics 面临着路线优化和库存管理方面的挑战。通过与 RTS Labs 合作，他们实施了人工智能驱动的解决方案，使燃料消耗减少了 20%，交货时间缩短了 30%。人工智能驱动的库存系统还将缺货率降低了 40%，提高了客户满意度和运营效率。

GlobalTrans Freight Solutions：该公司通过 RTS Labs 提供的 AI 咨询，在通关和运营成本方面取得了显著改善。AI 的实施使通关时间缩短了 50%，运营成本降低了 40%，大大加快了货物的运输速度并提高了盈利能力。

全球物流解决方案：面对仓库运营效率低下的问题，全球物流解决方案利用人工智能来优化流程。人工智能系统的引入提高了空间利用率，提高了货物处理效率，从而缩短了处理时间并降低了劳动力成本。

这些案例研究展示了人工智能在物流领域的变革性影响，不仅突出了效率提升，还突出了企业可以实现的战略优势。从中吸取的教训包括选择合适的人工智能工具和合作伙伴的重要性、明确的实施策略的必要性，以及在全面部署之前先进行试点项目以微调系统的好处。每个案例都强调了人工智能通过提高速度、降低成本和改善服务交付来彻底改变物流运营的潜力。

亚马逊的人工智能供应链战略

亚马逊将人工智能融入其供应链运营，体现了该技术在提高效率、降低成本和提高客户满意度方面的变革潜力。该公司在其供应链的各个方面（从库存管理到最后一英里的交付）都利用人工智能，展示了其全面的数字创新方法。

需求预测和库存优化：亚马逊使用人工智能预测客户需求并相应地优化库存。通过分析过去购买、搜索历史和季节性趋势等数据，人工智能算法帮助亚马逊保持最佳库存水平，减少库存过剩和缺货。这不仅可以确保产品可用性，还可以最大限度地降低存储成本。

仓库自动化：人工智能已深度融入亚马逊的仓库运营。该公司采用大量机器人和人工智能驱动的系统来简化分类、包装和运输流程。这些技术提高了订单履行的速度和准确性，同时减少了人为错误和人工成本。人工智能系统不断学习和适应，随着时间的推移进一步提高运营效率。

最后一英里配送优化：亚马逊利用人工智能优化最后一英里配送，这是运输过程中最复杂、成本最高的部分。人工智能算法分析交通状况、天气和配送紧急程度等因素，以确定最快、最具成本效益的配送路线。这不仅可以加快配送时间，还可以减少燃料消耗和排放，有助于环境可持续性。

增强客户体验：通过将人工智能融入其供应链，亚马逊可以提供更可靠的交货时间和更好的服务质量，从而提高整体客户满意度。人工智能驱动的预测分析还可以实现个性化的购物体验，根据个人客户偏好和购买习惯推荐产品。

可扩展性和创新性：亚马逊的 AI 能力并不局限于其自身运营；通过亚马逊网络服务 (AWS)，该公司向其他企业提供其 AI 和机器学习工具。这种技术民主化使小型企业无需在研发方面进行大量前期投资即可从 AI 驱动的效率中受益。

亚马逊在供应链中战略性地使用人工智能不仅加强了其市场领导地位，还为电子商务行业的卓越运营树立了标杆。该公司对人工智能研发的持续投资表明其致力于保持这一优势，不断突破供应链管理的极限。

未来人工智能物流趋势

在技术进步和创新应用的推动下，人工智能在物流领域的未来将带来进一步的变革。以下是一些可能影响该行业的关键趋势和创新：

增强预测分析：随着人工智能算法变得越来越复杂，物流领域的预测分析将得到显著改善，从而能够更准确地预测需求、库存水平和潜在的供应链中断。这将使公司能够主动优化运营，降低成本并改善服务交付。

自动驾驶汽车和无人机：自动驾驶汽车和无人机的整合将会增加，从而简化配送流程并增强最后一英里的配送。这些技术将减少人为错误，提高配送速度并降低运营成本，特别是在快速配送至关重要的城市环境中。

人工智能驱动的可持续发展计划：随着对可持续性的日益重视，人工智能将在优化路线和提高燃油效率方面发挥关键作用，从而减少物流运营的碳足迹。人工智能还可以帮助实施仓储和货运业务中的绿色实践，使物流与环境可持续发展目标保持一致。

区块链与人工智能的融合：人工智能与区块链技术的融合将增强供应链的透明度和安全性。人工智能可以分析区块链生成的数据，以实时优化供应链决策，为物流运营提供新的效率和信任水平。

仓储中的先进机器人技术：机器人技术与人工智能相结合，将继续发展，从而为仓库带来更复杂的自动化解决方案。这些进步不仅可以加快货物的处理和处理速度，还可以提高准确性并降低与手动操作相关的成本。

这些趋势表明人工智能在物流领域的未来充满活力，技术不仅可以提高运营效率，还可以推动服务交付和可持续实践的创新。

最后的想法

在现代物流行业中，人工智能（AI）的整合正逐渐成为一种不可逆转的趋势。这种技术的融入极大地推动了行业向更高效、反应更迅速且更加可持续发展的方向转变。AI在物流行业的应用广泛，包括预测分析、路线优化、仓库自动化以及提升客户体验等多个方面，都显示出了其颠覆性的潜力。

尽管如此，将AI完全整合入物流领域仍面临诸多挑战。这些挑战主要包括数据管理的复杂性、实施成本的高昂以及对技术熟练操作人员的需求。对这些问题的有效应对，对于那些希望最大化利用AI优势的企业来说至关重要。

展望未来，随着AI技术的持续进步，预计物流行业的运营能力将得到进一步加强。这种进步将使物流运营更加适应性强和智能化，从而能够更好地满足全球市场快速变化的需求。这种技术革新不仅有助于提升操作效率，还能在更大程度上实现资源的优化配置。