
实盘配资
打开新闻客户端 提升3倍流畅度
甲骨文的拉里·埃里森,刚刚给所有AI公司判了死刑。
他说,你们的模型,一文不值。
不是技术不行,也不是人才不行。问题出在数据上。
ChatGPT,Gemini,Grok,Llama……所有这些模型,吃的都是同一锅饭。
整个公共互联网。每一篇维基百科,每一个Reddit帖子,每一条新闻。
结果是什么?它们正在趋同,变成贴着不同logo的同一个产品。
用埃里森的话说,就是“大路货”。
真正的黄金,不在网上。在私有数据里。
医院系统里的病历。银行金库里的财务数据。财富500强公司的供应链机密。
猜猜这些数据,大部分都存在哪里?
不在谷歌,不在亚马逊,也不在微软。在甲骨文的数据库里。
所以甲骨文出手了。
他们推出了一个叫“AI数据库26ai”的东西。它允许所有顶级AI模型,直接在你公司的私有数据上进行推理。而且数据永远不用离开保险库。
他们用的是一种叫RAG的技术。AI不去“学习”你的数据,而是实时“检索”它。
这意味着什么?
银行可以分析它发放的每一笔贷款,而不用暴露任何一个客户记录。医院可以用AI诊断病人,而不用担心违反HIPAA法案。国防承包商能让AI分析机密行动,数据一步都离不开安全环境。
埃里森在赌一个比GPU热潮、比数据中心建设更大的未来。他称之为“历史上最大、增长最快的市场”。
数字很惊人。甲骨文的待履约收入刚刚达到5230亿美元。其中3000亿,来自OpenAI一家公司。
但这里有个没人谈论的危险。如果私有数据是AI真正的护城河。那么谁控制了数据库,谁就控制了AI的未来。
这种权力集中到一家公司手里。难道不该让每个人都感到不安吗?
注:埃里森的以上观点是在2025年的Oracle AI World大会上发表的。全文如下
拉里·埃里森“Oracle AI World”演讲:甲骨文如何用AI重塑产业与未来
拉里·埃里森:
大家好。让我看看。好的。屏幕上写着“AI改变一切”。
这是一个相当宏大的声明。“一切”。我认为这已经非常接近事实了。
好的。那么,我将谈一谈甲骨文是如何应对这些变化的。我想,这些变化真正开始,大概是在 ChatGPT 3.0 问世之后,AI模型突然之间听起来有点像我们人类了。
好的,这项AI技术有两个重要的发展阶段。

AI的两个阶段——构建者与使用者
拉里·埃里森:
第一个阶段是AI时代的曙光,即一批公司正在构建这些巨大的AI模型。实际上,你知道,现在的一个AI模型,所谓的“多模态AI模型”,是由多个神经网络组成的,就像你的大脑有几个部分一样。这其实是一个非常完美的类比。为了实现视觉功能,你使用大脑的一个部分;为了处理语言,你使用大脑的另一个不同部分。
在构建一个AI模型时,你使用一个不同的神经网络来处理视觉,也就是看到某个物体,看到它的边缘、形状、颜色,看它移动。你用一个神经网络来看见它,然后用一个完全不同的神经网络来识别它是什么,辨认它。接着,用第三个神经网络来对其进行分类、组织和利用这些数据进行推理。所以,现代AI系统和现代AI模型与我们的大脑非常相似,是一个多模态模型。它有多个神经网络来处理不同类型的数据,如视频数据、文本数据、听觉信息等等。
现在正在发生的是,一系列公司正在花费巨额财富,利用互联网上的公开数据来训练这些AI模型。数据量极其庞大。AI训练,经过几年的发展,已经非常明显地成为人类历史上规模最大、增长最快的业务。比铁路时代更宏大,比工业革命更具影响力。我的意思是,一个全新的世界正在开启。
首先是模型的构建,一旦这些模型构建完成,接下来就是实际使用这些模型来解决非常重要的问题,例如癌症的早期诊断。未来还会有很多手术,其精确度和准确性将超过人类。机器人将成为比人类更优秀的外科医生,原因有很多你可能意想不到的有趣之处。
无论如何,AI训练的巨大机遇已经来临,而甲骨文是构建用于AI训练的数据中心的主要参与者。但是,那个真正将改变世界的、规模远为宏大的机遇,并非模型本身的创造或训练。
甲骨文的独特角色——私有数据优势
拉里·埃里森:
当 我们开始使用这些卓越的电子大脑——它们确实是卓越的电子大脑——来解决人类最困难、最持久的问题时,世界才会真正改变。
现在,有一件非常有趣的事情,甲骨文明确参与其中。正如我之前所说,这些AI模型是基于公开可用数据——互联网上的所有数据——进行训练的。所以,如果你看ChatGPT、Anthropic、Grok等等,它们都是基于互联网上的所有数据训练的。换句话说,是公开可用数据。
但要让这些模型发挥其最大价值,你不仅需要用公开数据训练它们,还需要让私有的数据也能被这些模型所用。这正是甲骨文发挥其特别重要作用的地方,因为世界上大部分高价值数据已经存储在甲骨文的数据库中。我们只需要改变——而且这已经是过去时了,我们已经改变了——那个数据库,使得甲骨文数据库能够将其内部已有的数据提供给AI模型进行推理。这样,AI模型不仅能基于公共数据进行推理,还能基于私有数据。AI是一个不可思议的工具。
有些人认为它将取代所有人类和我们所有的努力。我认为那不是真的。它将帮助我们解决我们自己无法解决的问题。然而,它会让我们成为更好的科学家、工程师、教师、厨师、砌砖工、外科医生等等。我们从未制造过任何像这样的工具。
我记得,在很久很久以前,这个大会还不叫“AI World”,而是叫“Cloud World”的时候,我曾做过一个关于AI的演讲。尽管当时叫“Cloud World”,我还是被允许做一个关于AI的演讲。我说,“AI是人类历史上最重要的技术吗?……我们很快就会知道答案。”嗯,现在已经很清楚了。

我认识的最聪明的人正在投入巨额财富。具体来说,他们正在用自己的财富来构建和训练这些AI模型。这就是它们的重要性所在,这就是它们的非凡之处。顺便说一句,是的,伊隆(Elon)、马克(Mark)、山姆(Sam),按字母顺序排列。他们都是非常聪明的人,非凡的人物。
有人说,你知道,这个AI的东西,也许只是个泡沫,没什么大不了的。嗯,互联网确实是件大事。我的意思是,看看互联网创造的财富,谷歌的搜索业务似乎回报丰厚。名单上的伊隆创办了PayPal,也收益颇丰。但我知道伊隆肯定一分钱都没投给pets.com。当人们谈论泡沫时,你知道什么是泡沫,人们会变得过于兴奋。互联网是一项不可思议的新技术,至今仍是计算的基础。没有互联网,我们就不可能有AI。所以它是一项极其重要的技术。但人们开始混淆像PayPal或更好的谷歌搜索这样的互联网公司,与pets.com相提并论。我的意思是,如果我能在一个电子商务网站上卖宠物食品,就突然意味着我是一家互联网公司了?并非如此。
所以,是的,会有人在AI上花钱,因为现在几乎每家科技公司都自称是AI公司,但它们不是。很多都不是。但就其价值而言,AI是我们迄今为止见过的价值最高的技术,遥遥领先。下一张幻灯片,谢谢。
AI的架构——从人脑到十亿瓦数据中心
拉里·埃里森:
AI,有趣的是它被称为人工智能(Artificial Intelligence),而不是人工感知(Artificial Perception)。但它确实能感知。它能听,能闻。想想嗅觉。我的意思是,能够捕捉到大气中漂浮的化学物质并弄清楚这些化学物质是什么。狗能闻出病人身上的癌症。我们应该能用AI做到这一点。事实上,我所知的一个项目叫做“狗鼻子”(the dog's nose),我本人也参与其中,我们正在制造能够闻出癌症或其他疾病的传感器。

但是AI能够感知,它拥有大脑中负责听和看的部分,此外还有推理能力。它能读懂路牌,能阅读书页,能看着你并认出你。它能识别正在播放的歌曲。你可以和AI对话,问它问题,或者打字输入,AI能够像我们一样,用语言和数学进行非常快速的逻辑推理。
我记得有一次在特斯拉看Optimus机器人,我很好奇这些机器人将如何学习。然后我思考了一分钟,心想:“一个机器人要如何学会打扫你的房子、炒鸡蛋或者弹吉他呢?”嗯,它只需要看一个互联网视频。它连接到互联网,可以像我们一样通过看视频学习弹钢琴,只不过它会快一点,因为它可以以非常高的速度播放视频,在大约5秒钟内学会弹奏那首肖邦的曲子。我知道我的孩子们学钢琴可没那么快,因为我每天都听他们练习,5秒钟是绝对不可能的。
AI机器人将成为比最顶尖的医生更出色的外科医生。有一种非常著名的手术,由莫氏(Mohs)医生开创,他会从病人的脸上切除癌变组织,并因此闻名,因为他造成的损伤最小,切除的皮肤组织最少,所以美容效果极佳。他的做法是,切下几层皮肤,然后拿到显微镜下观察,看是否已经切到健康的细胞,即癌症的深度。他就在手术台和显微镜之间来回操作。切一点组织,用显微镜看一看,再切一点,再看一看。然而,AI机器人可不按常理出牌。它们的视觉,机器人上的视觉系统,是微观级别的。它们不需要显微镜就能看到单个细胞。它们不需要显微镜就能分辨出癌症组织和健康组织的边界。它们的协调性,正是如此。它们是比我们更好的外科医生。不是因为它们比我们更聪明,而是因为它们有更好的手眼协调能力。它们的眼睛比我们的好得多,手的精确度也比我们的高得多。所以,它们可以在一层健康细胞和一层癌细胞之间进行切割。观看这个过程真的令人惊叹。这会让我们所有人都感到安心,当我们去看医生,知道他会用机器人来做手术时,手术将会是完美的。

我之前说过,但这真的非常有趣。它的构建方式就像大脑一样,有专门的神经网络。一个用于视觉。实际上,卷积神经网络(Convolutional Neural Network)模拟了视觉皮层,而视觉皮层有五层。它就在你的后脑勺。进化产生了第一层V1,仅仅是为了让动物能够感知到所看物体的边缘。然后发展到V4层,用于感知颜色,以及非常著名的V5层,用于检测运动和环境中的威胁。
视觉变换器(Vision Transformers, ViTs)接收卷积神经网络产生的位图(bitmap),也就是一幅图像,一堆像素,然后将其与你已知的事物进行比较,你就可以识别人脸和熟悉的东西。这是一个不同的部分,是一个变换器,一个ViT神经网络,用于对图像进行整体理解和记录。
ChatGPT的第三版使用了巨大的变换器网络,实现了全面的语言理解和推理。唯一的缺点是,变换器网络需要巨大的计算量,因此训练这些模型需要巨额资金。因为我们早在能够用GPT网络进行语言交流和推理之前,就已经有了面部识别技术。变换器网络比其他一些网络要大得多,复杂得多,正如你所想,推理会比视觉更复杂。此外,还有用于特定类型数学计算的网络。

总之,它看起来很像大脑。一个功耗仅20瓦的人类大脑,真是令人惊叹。20瓦,任何拧过20瓦灯泡的人都知道那点光亮并不多,但它足以运行860亿个神经元,并赋予你视觉、平衡、推理、语言、创造力、演绎和推断的能力。你用这个不可思议的、被伊隆称为“20瓦肉体计算机”的东西就能完成所有这些。
感知、识别,识别之后,再基于此进行推理的能力。视觉皮层就在顶叶的后下方。前额叶,如左图所示,是一个大的语言中心。大脑是高度专业化的,AI模型也是如此。
但我们构建的不是一个20瓦的肉体计算机。我们正在构建一个12亿瓦的AI大脑。你试过像惠普计算器那样快地做乘法吗?这些电子大脑,这些AI模型,它们的推理速度非常快,能处理大量数据,并且能得出我们从未能得出的答案。

这是一张我们正在建设的数据中心的图片。实际上,它的一部分已经投入运行。最终,它将拥有50万个英伟达GPU。顺便说一句,为了让大家有个概念,12亿瓦到底意味着什么?这足以为美国100万个四居室家庭供电。一百万。那是一个相当规模的城市了。我想我们有一个关于建设过程的视频。

视频旁白:
甲骨文正在德克萨斯州阿比林为OpenAI建造世界上最大的AI集群。该项目于2024年6月从一片空地开始,在不到一年的时间内交付GPU。完全部署后,该集群将包含超过45万个英伟达GB200。电力由电网电力和现场天然气涡轮机组合提供。容量分布在占地1000英亩的八个独立建筑中,所有建筑相互连接以支持单一工作负载。该站点部署了AI加速器、液体冷却和网络方面的最新技术。每天有超过3500人在现场工作,以前所未有的速度交付容量。对AI的需求持续超过供应,甲骨文致力于交付最大、最先进的AI集群,以支持我们全球的客户。
拉里·埃里森:
嗯,这可比我在大学卧室里写代码的时代走得远多了。发生了什么?我完全不知道。好的。
好的。所以,我们正在训练,我们为伊隆训练了Grok的第一个版本。我们正在训练许多其他的多模态AI模型。几乎所有这些AI模型都在甲骨文云上,我稍后会再谈到这一点。但我们参与训练的多模态AI模型可能比任何其他公司都多。这非常令人兴奋,也令人望而生畏。我的意思是,我们正在运行的这些项目的规模,不仅仅是构建GPU网络、机房和网络、冷却系统等等。顺便说一句,那部分本身就已经很难了。但现在我们还必须建造输电厂。有一条天然气管道通往燃气轮机,启动涡轮机发电。然后这些电力必须输送到数据中心。所以这涉及到发电、天然气管道、电力传输、数据中心、网络。而这些数据中心里充满了大量复杂的软件和许多非常聪明、勤奋的工程师。这些都是巨大的工程项目,每一个都是。
自动化整个生态系统:医疗健康革命
Cerner现代化——AI驱动开发的案例研究
拉里·埃里森:
我们正在构建的是这些多模态神经网络,它们基于所有类型的数据进行训练:文本数据、图像数据、音频、视频,每一种公开可用的数据,外加我们用来训练模型的合成数据。

有些模型被设计成实时的。实际上,谷歌有两个模型,一个是Gemini,一个是DeepMind。DeepMind高度专注于分子结构,去年DeepMind凭借其在蛋白质折叠方面的研究赢得了一项诺贝尔奖。它解决的是这样一个问题:取一个你了解其化学式的蛋白质分子,也就是一条氨基酸链,当它折叠起来不再是一条线,而是一个三维结构时,它看起来是什么样子。这个问题我们已经研究了很长时间,叫做蛋白质折叠。他们用谷歌收购的伦敦DeepMind公司的模型解决了这个问题。
伊隆有两个截然不同的AI模型。一个是Grok,一个多模态AI模型。另一个是特斯拉,是一个实时模型。实时模型与比如生成代码的Anthropic或解决法律、医疗问题的ChatGPT有一些不同的特性。如果你在驾驶汽车,事情发生得非常快。是的,你必须有视觉,车上到处都是摄像头。但如果发生什么事,你可能需要在微秒,或者至少是毫秒内做出反应。一毫秒,也就是千分之一秒。一个球突然从路边滚出来,一辆自行车跟着球冲出来。你必须看到它,理解发生了什么,并采取规避行动,以避免事故和人员受伤。当你无法承受网络延迟,无法通过网络与远方的AI模型通信时,你就必须用不同的方式构建系统。你需要一个非常非常低延迟的响应时间。这就是为什么所有的特斯拉汽车、所有的特斯拉机器人都必须在车内、在机器人内部署本地计算能力,以便做出即时、低延迟的决策。
这与编写代码不同。我可以告诉你写什么代码,你可以花点时间思考一下再给出答案。所以实时模型与那些不需要实时响应的模型有些不同,后者你有时间去推理和计算你的答案。但这两种模型都非常重要,也都在被构建中。
这些模型进行多步推理。我现在称之为“推理”的东西,不久前还被称为“推断”(inferencing)。人们会说,我们要训练模型,然后在使用模型时,模型所做的推理,我们把它简化为仅仅是推断。在早期,模型做的差不多就是推断。但现在不再是了。它们像我们一样推理。它们进行演绎、推断、计算,它们有策略、有规则。所有我们使用的推理技巧,它们都能模拟和使用,但它们思考得比我们快得多,解决问题的速度也比我们快得多,或者它们能解决我们根本无法解决的极其复杂的问题。这就是为什么这如此令人兴奋,如此具有巨大价值。
这些模型可以回答你的问题。它们可以生成计算机代码。甲骨文正在编写的很多代码,其实不是甲骨文写的,是我们的AI模型写的。我们只是告诉模型我们希望程序做什么,然后AI会想出一个逐步实现的过程。我们不写过程,我们声明我们的意图,但模型会编写那个我们通常认为是计算机程序的、一步步的流程。它们诊断医学影像的能力远超我们。它们能设计出我们设计不出的药物。
但是,这些模型有一个很大的问题。那就是,模型不会用你的私有数据进行训练,因为出于某种原因,人们希望保持他们私有数据的私密性,这一点不会改变。但人们也希望这些模型能对他们的私有数据进行推理。就像鱼与熊掌兼得。我想保持我的数据私密,不想与任何人分享。然而,我希望能用这个极其强大的工具来对我的私有数据进行推理。

这正是甲骨文一直致力于解决的重大问题之一。我们本周在拉斯维加斯要讨论的一个新东西,就是Oracle AI数据平台、Oracle AI数据库。有趣的是,这个AI数据平台包含了你所选择的多模态模型。哇哦。一个你选择的多模态模型。好的,这太棒了。所以,如果你想在甲骨文云中使用Grok,你可以用Grok。如果你想用ChatGPT,你可以用ChatGPT。如果你想用Llama,你可以用Llama。你想用Gemini,你就可以用Gemini。我们会把你选择的模型不仅连接到公共数据——模型已经连接到公共数据了,那部分已经完成——我们还让你能够将你的私有数据添加到模型的知识库中。这样,模型不仅可以跨公共数据推理,也可以跨私有数据推理,同时保持你私有数据的私密性,不与任何人分享。这非常非常重要。而且,要以一种高度安全的方式做到这一点并不容易。如果容易的话,很多人早就做到了。

好的。正如我所说,OCI(Oracle Cloud Infrastructure)包含了所有流行的多模态模型。你可以自由选择和搭配。我们有AI数据库和AI数据平台,让你能将私有数据添加到模型中。
事实上,这次我要说得更精确一点。它真正做的是,这个技术叫做RAG(Retrieval-Augmented Generation,检索增强生成)。你基本上是取一堆模型没有被训练过的数据。顺便说一句,这可能是今天的股价。模型不知道今天的新闻,也没有基于今天的新闻进行训练。模型也没有基于今天的股价进行训练。但模型知道去哪里查找,它知道如何查询今天的股价,获取最新的报价。你只需将这些信息放入一个模型可以访问的数据库中。你把你的私有数据放入一个甲骨文数据库。新的甲骨文数据库被称为AI数据库,不仅仅是因为AI很时髦,而是因为它具备这种RAG能力。它能够将甲骨文数据库中的任何数据,通过“向量化”处理,使其能被AI模型访问。
由于你的很多数据已经存在于甲骨文数据库中,你只需要请求甲骨文数据库将这些数据转换成模型能理解的格式,也就是所谓的“向量”格式。然后甲骨文数据库就会将你希望提供给模型的任何数据进行向量化,然后你就可以基于这些数据进行推理了。

顺便说一句,这不仅仅是甲骨文数据库中的数据。Oracle AI数据库可以向量化的,不只是它自身内部的数据。比方说,你在OCI对象存储或亚马逊对象存储中有很多数据,你想让Oracle AI数据平台上的模型能够访问这些数据。没问题。甲骨文数据库可以进入OCI对象存储,对其中的数据进行向量化并创建所谓的“向量索引”。它也可以进入亚马逊云存储,对其中属于你的部分数据进行向量化,使其能被多模态模型用于推理。所以,你并不局限于数据库中的数据。甲骨文数据库可以向量化任何在甲骨文数据库、其他数据库或其他云中的数据,并使这些数据易于被AI模型访问以进行推理。
愿景——超越医院的围墙
拉里·埃里森:
这种推理能力非常迷人。甲骨文做的第一个项目,就是将私有数据提供给AI模型访问。我们把我们所有的客户数据进行了向量化,并使用RAG技术让模型可以访问它们。
我们从客户数据开始,因为我们认为没有什么比我们的客户更重要。现在,一些愤世嫉俗的人可能会说,没有什么比我们的客户更有价值,但这两者是相辅相成的。我们想问一些我们认为价值极高的问题。有一个整个行业叫做“客户关系管理”(CRM),哦不,现在不叫这个了,他们改名叫“客户体验管理”(CX)。不管叫什么,我们知道问题是什么。
所以,我们在甲骨文内部运行了这个项目,将我们的私有客户数据放入甲骨文数据库,进行向量化,并使用RAG使其能被一个多模态AI模型访问。然后我们问了这个问题:
“未来六个月内,哪些甲骨文客户可能会购买另一款甲骨文产品?”
现在,为什么这个问题对我们如此重要?
“具体来说,每一个将在未来六个月内购买产品的客户,你介意告诉我他们会买什么产品吗?”
“他们最有可能购买什么?”
还有一件事,顺便说一句,这东西不只是回答问题。你可以提问,得到答案,但你也可以通过“代理”(agents)让它做事。你可以创建一些小程序,有时还不小,然后让AI去实际执行某些操作,协调某个流程。然后我们说:“好的,给所有潜在买家发一封邮件,附上三个最佳客户推荐,鼓励他们购买。”
这个请求需要生成一个名为“AI代理”的计算机程序。这个代理必须弄清楚,好的,你打算买这个产品,你是一家瑞士的银行。那么,我们认为最好的推荐就是那些已经购买了该产品的瑞士银行。这对你来说是最好的推荐。所以,所有的推荐都会根据我们对你作为客户的了解以及你所处的具体情况——你的行业、你拥有的产品、你与之关系良好的其他银行——进行定制。总之,它能如此迅速地解决这样的问题,告诉我们甲骨文的销售团队在未来六个月应该重点关注谁,这真是太神奇了。
那个应用程序,那个AI代理……如果我能退回一张幻灯片。好的。最后一行,“给潜在买家发一封邮件,附上三个最佳推荐”。仅从这一行文字,我们就能生成一个AI代理来妥善地完成这项工作。你可以生成AI代理,或者如果你想做得更多一点,你可以更精确,添加更多你想要做的事情,比如你想给他们发什么样的信,让代理变得更强大。这实际上就是我们所做的。

顺便说一句,我不知道你是否听过这个词,我第一次听到时觉得有点奇怪,“Vibe Coding”(凭感觉编程)。听起来很Z世代。就是说出你希望程序做什么,生成原型,然后试用一下。不要想得太复杂,就是凭感觉来。但实际上,你可以用英语直接生成计算机程序。我个人曾和甲骨文的其他工程师争论过,使用英语作为编程语言是否是个好主意,因为英语是出了名的不精确。如果我们想生成程序,创建一个定制的、高度精确的声明式语言不是更好吗?这正是我们在甲骨文使用Apex所做的。我们为Apex添加了一种声明式的AI生成语言来创建应用程序。但外面还有很多人仍在使用英语,那也行。这取决于你,我们不为你做决定。我们只是确保你有选择。
但甲骨文现在创建的大多数新应用程序,都是生成的代理,而不是手写的,它们通过工作流连接起来。有趣的是,当我们生成这些应用程序时,它们没有任何安全漏洞,因为应用程序生成器不会忘记或遗漏东西,不会犯那种错误。我们生成的每个应用程序都是无状态和可靠的。换句话说,如果运行该应用程序的计算机突然崩溃、断电或发生任何意外,该应用程序可以立即在另一个数据中心重新启动,因为它没有状态。即使它在A地停止运行,它也会在B地无缝衔接,不丢失任何数据,客户也完全察觉不到。所以,当你生成这些应用程序时,它们内置了备份、无单点故障、可靠性、安全性和可扩展性。很多低代码应用编程语言是为部门级应用设计的,可能只适用于二三十个用户,之后就会变慢,因为它们不是为扩展到数百万用户而设计的。但因为我们是生成的,设计总是一样的。我们总是为数百万用户设计,即使只有五个用户,它也会运行得更快,使用更少的资源。
我们从中获得的生产力提升,是我们对我们在医疗健康领域的努力感到如此自信的原因之一。我们可以重建Cerner的代码库。我们可以使用AI重建整个Cerner代码库,构建一个现代化的、通过生成方式创建的Cerner版本。我们已经完成了所有诊所运营的代码。明年,我们将完成所有急症医院的代码。Cerner花了超过四分之一个世纪编写的所有东西,我们将在三年内重写完毕。而且我们的版本功能远超他们以往的任何版本。我们处理这个问题,不仅仅是自动化一家医院或诊所,而是自动化整个生态系统。当你使用这些不可思议的AI工具时,你就能获得如此巨大的生产力提升。

报销AI代理——战略实践
拉里·埃里森:
重建Cerner的例子很有趣,因为我们做的远不止于此。是的,我们正在重建Cerner,但我们也在为医院构建专为医院设计的会计系统、人力资源系统。医院非常特殊,他们有点像50/50的零工经济,人员进出频繁。很多护士可能在这家医院工作,也可能为私人病患工作,他们的日程安排很灵活。你不知道周一需要多少护士或医生,这取决于当天的病人数量和手术室的可用情况。
所以,医院的人力资源系统非常不同且复杂。医生、护士和其他卫生专业人员需要获得很多认证才能进行某些测试、程序或处理某些病人。我们的人力资源系统必须处理这些认证,安排培训,安排他们的工作时间。他们经常换班,需要灵活处理。在他们加班时要正确支付薪水,同时也要理解他们可能这周在这里工作两天,在那周的另外四天在另一家医院工作。
所以我们正在构建人力资源系统、会计系统和银行系统。接下来这个可能会让你惊讶,然后我再举我的例子。我们还在构建迎合医院需求的银行系统,根据医院的应收账款为它们提供贷款。
下面我将描述一个AI代理。我们的目标不仅仅是像Cerner或其他竞争对手那样自动化医院和诊所。我们认为,遵循伊隆·马斯克的原则,如果我们想在医疗健康领域真正成功,我们不能只自动化医院和诊所。我们必须自动化整个生态系统。就像伊隆必须为特斯拉建立一个全球充电网络,否则电动汽车就无法成功。他不能只造车,然后指望标准石油公司提供燃料。福特当年就是这么做的。不,要造电动汽车,他不仅要设计汽车、制造电池、在工厂里部署机器人、想出如何在网上卖车,他还必须建立一个全球充电站网络。他必须构建一个完整的电动汽车生态系统。
如果我们想自动化医院和诊所,而那些监管这些机构的人、那些预约或接收血检结果的病人没有被自动化,那么这些医院和诊所的效率就不会很高。你必须自动化病人、提供者、支付方、监管者、制药公司、为医院融资的银行以及政府。你必须自动化整个生态系统。这样你才能得到一个真正现代化、高效的医疗健康系统。这就是我们收购Cerner作为第一步时的目标。

无论如何,我们构建过的最有趣的AI代理之一,是连接医疗服务提供者和支付方的。这是一个非常有趣的问题,我花了一段时间才完全理解。我们希望医院做什么?医院必须弄清楚能给这个病人提供的最佳可能护理是什么。
这在某种程度上是对的。但假设你在英国,最佳护理方案是,你血糖高,我得给你开Ozempic或另一种GLP-1药物。但猜猜怎么着?英国的国民健康服务(NHS)不支付Ozempic的费用。他们不会为你报销,而且它非常昂贵。那么,有没有其他药物可以帮助你控制血糖水平?有。其中一些效果好吗?是的,那些药效果不错。NHS会为那些药报销吗?是的,会。所以,当你在英国自动化一家医院时,你实际上是在与医生合作,找出能够被完全报销的最佳可能护理质量。
这两件事是紧密耦合的。所以,给一个在英国负担不起Ozempic的病人开这个药是毫无意义的,因为他们的保险公司,也就是政府,不支付费用。这是今天的事实。所以我们必须构建一个能在美国、英国和世界各地都适用的系统来解决这个问题。我们的目标是:获得能够被完全报销的最佳可能护理。
我们构建的AI模型首先使用RAG来访问最新的医学文献、你最新的检测结果、电子健康记录(EHR)、生命体征以及所有的血液检测信息,以协助医生制定最佳的护理方案。我们还需要知道一些事情,比如,有一个针对这种特定癌症的新临床试验,适用于这位病人,医生应该考虑让病人加入。所以,AI模型会掌握所有关于临床试验的最新信息,比如哪种药物对这位病人效果更好,并将这些信息提供给医生。
然后,AI模型也使用RAG来访问最新的规则和政策。在美国,这些就是保险政策和规定,取决于你有什么保险。你有Medicare吗?你有Medicaid吗?你有补充保险吗?我必须弄清楚哪些是承保的,你能得到什么报销。我真正要找的是这两个集合的交集:什么是最佳护理,什么是可以完全报销的。所以我必须用所有的保险规则来训练模型,以确保医生开的处方能被完全报销。我还要留意一些小问题。比如,实际上,在英国,如果你的身体质量指数(BMI)超过某个点,我确实会为Ozempic报销。我必须确保医生知道这一点,并且我可以告诉医生,这是一个例外情况,这位病人有资格使用Ozempic,因为他们的体重超过了某个阈值,而刚刚修改的规则说他们现在可以得到了。
所以,AI代理会利用所有这些数据进行推理,提出在可实现的最高报销水平下的最佳护理方案。这就是它的目标。在世界上大多数地方,政府是医疗费用的支付方。
还有最后一件事,我们经历过这样的例子。世界上很多诊所和医院,包括在美国,手头现金都不多。如果他们没有按时收到报销款,有时就无法为新病人提供护理。他们总是缺钱。AI代理在这里可以做的是,向银行提供关于某批报销的所有信息,向银行保证这些报销都遵守了所有规则,诊所和医院确实会得到报销,比如99%或95%的概率。银行可以打一点折扣,然后基于这些应收账款提供贷款。
所以,当你审视医疗健康生态系统时,会发现这是一系列非常迷人的问题。它的财务方面,运营成本非常高。有很多行政任务我们可以用AI自动化,让病人能花更多时间与关心他们病情的医生在一起。我们可以找出如何获得最高的可实现报销,如何让医院获得继续运营所需的现金。但这一切都是通过自动化完成的。医生和护士的时间可以更有效地用在病人身上。正如我所说,AI将使我们所有人的生活变得更好。
展望AI驱动的未来
改变日常生活——安全、健康与食品

拉里·埃里森:
甲骨文云非常与众不同。简单来说,甲骨文做的是基础设施和应用。我们做规模化的企业应用和规模化的AI基础设施,我们是唯一一家这样做的云服务商。其他大的云服务商——微软、亚马逊和谷歌——他们真的不做医疗健康应用、企业应用、大型金融应用。他们不做这些。换句话说,他们开发AI技术,谷歌是这样。但他们不构建大型规模化应用,不去尝试用这项技术自动化行业或生态系统。
所以我们的目标与其他云服务商不同。我们既是AI技术的创造者,也是利用该技术解决不同生态系统、不同行业问题的参与者。我们显然在训练AI模型方面规模巨大。我们云中有许多模型,有些是我们训练的,有些不是,供你使用来解决你的问题,让你能基于你的私有数据进行AI推理,解决你公司想解决的问题。
我们有AI代码生成器。Anthropic最出名的就是代码生成。我们做这个已经很久了。我们认为我们新的Apex代码生成器……有一点我可以肯定地说,Apex生成的每一个应用都是可扩展、安全、可靠的。每一个。我们这样做已经很久了。现在我们用AI和Apex进行完整的代码生成。我们是唯一一家构建应用套件来现代化整个生态系统而不仅仅是行业的公司。医疗健康是一个例子,公用事业是另一个。我们正在着手改造整个生态系统,这使得事情运行得更有效率。
链条的强度取决于其最薄弱的一环。如果你必须与一个监管机构互动,比如一个负责临床试验的监管机构,而它说:“好的,一旦你完成了临床试验,把所有结果打印出来,用纸箱寄给我们。”我不点名,但这种事在世界各地都在发生。这使得新药变得极其昂贵,上市时间也极长。这是一个巨大的问题。所以你必须以自动化整个生态系统为目标。然后是代理,你必须构建这些复杂的流程,这些被称为AI代理的软件机器人,它们不仅自动化公司内部的流程,还自动化公司之间的流程。比如一家公司如何与另一家公司对话,一家医院如何与一家银行对话。
好的。好了。这是我演讲的第一阶段。我们马上要上晚餐了。
(笑声)
我来得晚一点就是为了这个,这样我们一结束就可以直接去吃晚餐。
好的。所以,我刚才深入探讨了AI模型是如何工作的,它们是如何构建的,甲骨文有何不同。现在我想展望一下,因为AI,世界将会变成什么样。我认为,总的来说,我们将过上更好的生活,更健康、更长寿,吃更好的食物,住更好的房子。这应该是一个好得多的世界,因为这些工具极其强大。但它们会做的一些事情,会有点令人震惊。

好的。这些是我们正在做的一些事情。我们可以逐一来看。我们正在研究生物识别技术,可以用AI防止身份盗窃。所以,不再有登录,不再有会被盗的密码,不再有入侵,不再有数据被盗,不再有信用卡被盗用后你得换新卡。我们可以让所有信用卡都防盗刷,如果你想要的话。

我不知道有谁喜欢待在医院里。医院也发现,越早让你出院,对他们也越好,因为一些最厉害的病菌就潜伏在医院的走廊里。我们越快让你回家,病人更高兴,你在家也更安全。所以我们可以构建这些物联网医疗设备,在家里监控你,就像在医院里一样好。即使在紧急情况下你被转运,救护车也始终保持连接。所以,你在家的病人始终被医院工作人员监控。在救护车里的病人,医院工作人员也能通过音视频和数字连接与救护车保持联系。
诊断影像,当AI来解读时……我记得有一次我把摩托车骑翻了。别问我当时在干什么,而且我当时也不年轻了,连这个借口都没有。总之,我右侧着地,断了八根肋骨。我记得做核磁共振(MRI)时,他们在数:一、二、三、四。“你们在干嘛?”“在数你断了多少根肋骨。”哦,太好了。但我做的是MRI,他们唯一做的就是数我断了的肋骨。MRI产生了所有其他数据,但没人看。你做这类扫描时总是这样,你只找一两样东西,其余的都忽略了。AI会发现那些没人寻找的东西。而且它就是更精确、更准确。
身份盗窃。我们之前说过,AI知道你是谁,它能识别你的脸、你的声音、你的指纹。当你登录时,你坐在电脑前说:“嗨,Sephra,今天想做什么?”密码这东西太疯狂了。密码会被盗,人们会把它们写下来。你的密码必须是17个字符长,至少有两个下划线连在一起。你疯了吗?谁会觉得这是个好主意?我能记住的唯一方法就是把它写下来,贴在电脑旁边的便利贴上。这简直是白痴行为。所以,不要密码。所有都是生物识别。这对每个人都更好,数据隐私也更好。
信用卡,如果你想要,我们会有可选的生物识别信用卡。这样就很难模仿别人了。这将极大地减少信用卡欺诈。银行要为所有的信用卡欺诈买单。如果银行不用支付这笔钱,你的利率就会下降。这对每个人都有好处。能省很多钱,并保护你的数据隐私。
病人监护,我提到了。我们将拥有这些低成本的、极好的医疗设备,我们可以大规模生产,质量更高。所有医疗设备都应该连接到互联网,数据应该进入一个安全的数据库,只有你和你的医生,或者监控你护理的卫生专业人员可以看到。你可以保持它的私密性,但你的医生可以立即访问这些数据。如果你的医生设置了警报,比如你的血压低于或高于某个阈值,他们会希望立即得到通知。这一切都可以做到。你将在家里、在救护车里,无论在哪里,都得到更好的健康监护。
当在家和急诊室之间转移时,急诊室的医生可以和救护车上的急救人员通话。信不信由你,我们正在建造一辆这样的救护车。我们正在建造这些原型。我们会大规模生产救护车吗?我不知道。如果几年前你告诉我我们会在建十亿瓦的发电厂,我会说你需要多休息。但现在,是的,我们正在考虑做这个,因为救护车是联网的,装载了AI,是运送病人的一种更安全的方式。
诊断影像。我妻子怀孕时,我们住在夏威夷。她去做超声波检查,技术员做了两件疯狂的事。一是他拿了把尺子,在超声波屏幕上测量胎儿的发育情况,量头骨多大,脊髓多长。我说:“哇,哇,哇。那是在用二维的尺子测量一个漂浮在液体里的三维形状。”你开玩笑吗?谁会觉得这是个好主意?计算机应该能用AI非常精确地做到这一点。然后情况变得更糟,技术员在拉奈岛,而医生在檀香山,她举起她的iPhone对着超声波屏幕,好让医生看到胎儿的图像。哦我的天,你不能把这个高分辨率录下来然后数字传输吗?你在用FaceTime直播这个图像?这到底是怎么回事?我记得我对那个技术员说:“我保证会解决这个问题。这太糟糕了。”但当然,用AI的三维视觉,我们可以精确测量超声波上的胎儿发育情况,发现医生没在找的东西。我们现在的一个合作伙伴,可以查看肿瘤活检切片,在几分钟内从图像中诊断出癌症。而整个流程可能需要一两个星期的担忧和等待,期间无法治疗。AI将让我们能非常快地得到结果。
应对全球挑战——气候与农业
拉里·埃里森:
这非常有趣。这是我们正在研发的一种设备,叫做宏基因组检测设备。

我们识别病原体的能力。当有人生病时,我们有一种叫做PCR的检测方法。如果我们怀疑你得了甲型流感、乙型流感、这种冠状病毒或COVID-19,我们可以检测一系列已知的呼吸道病毒。但如果你得了一些奇怪的病,结果只会显示PCR阴性。我们不知道是什么。我们真正想做的是对此进行基因组检测。但在做基因组检测之前,我们必须培养它,等上好几天,可能要一两个星期才能知道你得了什么。到那时,要么病好了,要么你人没了。
这是一种新的传感器,它能直接对样本中的所有东西进行基因测序。你取一份血液样本,里面显然有你自己的基因。在你自己的基因中,包含着一种叫做ctDNA,即循环肿瘤DNA的东西。所以,在每个人的血液中,如果你有癌症,即使是早期的一期或二期癌症,你血液中也会有微小的循环肿瘤DNA片段,我们可以通过对血液中所有活体进行基因测序来发现。过去人们尝试利用循环肿瘤DNA,但问题在于,你的免疫系统会治愈很多癌症,而你甚至都不知道自己得过。在你有症状之前,免疫系统就已经清除了很多癌症。如果我们一直告诉你:“天哪,我们发现了这个癌症,需要开始治疗。”但实际上并不需要,你的免疫系统会处理掉它。所以假阳性在这里是致命的。然而,现在有了AI,我们可以分析这些片段,区分假阳性和需要立即早期治疗的真正严重问题。这有望为我们带来非常早期的癌症诊断,大家都知道,这会大大提高癌症治疗的积极结果的可能性。
它还能让我们找到你感染的任何细菌、真菌、病毒,任何活的有机体,任何病原体,并准确告诉你它是什么,即使是像COVID-19那样的新型病毒。这样我们就知道如何治疗。它会告诉你该病原体是否对某些抗生素有耐药性,具体是哪些,以及我们应该用哪些抗生素来治疗你。
想象一下,这种低成本设备被部署在世界各地医院的病理科。我们做一个血检就能发现你感染的任何病原体。如果我们有这个,我们就绝不会被COVID-19打个措手不及。我们会得到早期预警。这些宏基因组测序仪将是流行病的完美早期预警系统,这就是我们研发它的原因。
要可靠地制造所有这些医疗设备,如果你想把宏基因组测序仪部署到世界各地的每家医院,它们不能卖一百万美元,也不能卖十万美元。你必须经济高效地制造它们,必须在机器人T厂里大规模生产。这样你能得到更高的质量和显著降低的成本。

视频旁白:
这是一个圆盘,你把样本放入圆盘,旋转它,在上面进行所有这些测试。
拉里·埃里森:
实际上,我认为那个视频有三分钟长,但Maddie告诉我绝不能把整个视频放进我的演讲里。但这真的很了不起,在设备和圆盘被制造出来时,房间里没有任何人。
这里是另一个。你们会很高兴这个没有视频,只有几张照片。在室内种植,可以将种植食物所需的水量减少90%。这本身就至关重要,因为我们的食物快要不够了。到2050年,非洲将成为我们人口最多的大陆。我们需要生产比现在多得多的食物。我们的水和可耕地都将耗尽。我们不能再继续把栖息地变成农田。我们必须更高效。

通过在温室里种植并移动植物,我们可以大大减少用水和空间。植物只在收获前的几周需要大量空间。如果你能移动植物,就能节省栖息地。如果在室内种植,可以在城市中心附近。我不是建议你在纽约市中心建个温室,但可以在离纽约50英里的地方建。这样,运输食物到人口中心的二氧化碳排放会大大减少,食物也更新鲜。温室里每天早上都有收获,下午送到杂货店,晚上就可以吃了。所以食物更新鲜、成本更低、更有营养、更美味。我们正在建造这些机器人温室。

(展示温室图片)
是的,这是真的。正如我向伊隆指出的,这也是一个火星栖息地。这个建筑非常大。那个黄色的东西是一个轨道系统,用来移动植物。人类不允许进入种植区,因为会污染环境。我们把植物吊起来移到允许人进入的收获区。种植区二氧化碳含量非常高,对植物好,但对人不好。

(展示另一张温室图片)
这些建筑很大。绿色的区域是收获区。
这可能会令人震惊。我们做的第一件事,是一家我参与的公司叫Wild Bio,他们改造了小麦植株,使其每英亩的粮食产量增加20%。这似乎是个好主意。有趣的是,如果你每英亩多生产20%的粮食,小麦基本上是利用二氧化碳和阳光来制造食物。所以你种的粮食越多,消耗的二氧化碳就越多。

有了AI设计的小麦,这些二氧化碳最终去向哪里,实际上取决于我们。我们可以选择将吸收的二氧化碳转化为碳酸钙。这正是珊瑚礁的形成方式。我们可以让小麦、玉米、大豆将二氧化碳转化为碳酸钙,从而将其永久地从大气中移除。所以,如果你想把大气中二氧化碳的浓度从目前的百万分之440降低到百万分之400,你可以通过让农作物这样做来实现。你可以将大气中的二氧化碳水平管理到你认为合适的任何水平。当然,不要降到零,那所有植物都会死。但从440降到400可能是稳定气候的最佳点。而且这样做基本上是免费的。
另一个农业的大问题是氮肥。你给庄稼施肥以增加产量,但氮肥会造成巨大的氮流失,污染河流和海洋。为什么不直接改造植物,让它直接从大气中吸收氮呢?我们知道怎么做。有一种叫做固氮酶的东西,大豆就是利用它。你可以改造植物,让它直接从大气中获取氮,而不需要氮肥。这样可以消除氮肥污染,而且植物同样美味、有营养。这是AI能帮我们轻松解决的另一个问题。
自主系统的未来
拉里·埃里森:
这是我最后一张有文字的幻灯片了。
自主无人机。我们都看到了无人机在乌克兰被用于军事目的。不幸的是,无人机除了在战争中的用途外,还有很多非常好的应用。我们为无人机建立了一个空中交通管制系统。我们实际上正在用无人机运送诊所的血液样本到检测实验室。我们建造了所谓的RFID样本保险库,在样本上贴上RFID标签,这样就没人知道这是谁的血,保护了个人隐私。同时,这也解决了样本丢失或混淆的问题。

无人机还可以用红外摄像头立即探测到森林火灾,甚至能找出纵火者。我们不应该让警车在街上追逐其他车辆,那些高速追逐非常危险。我们可以让无人机来跟踪那些车辆,这样好得多。

好的,我现在要展示我最后的图片。那边是RFID样本保险库。最后一个视频马上就来。
(视频开始)
(无人机从一辆车上起飞,在空中盘旋)

拉里·埃里森:
你可以部署这些。在干燥的季节,你可以派无人机上去巡逻。或者有徒步旅行者在野外迷路了,它们是便携的。我想它现在要降落了,如果它安全降落,我就回答第一个问题。
(无人机安全降落回车顶的充电平台上)
拉里·埃里森:
这是个视频,它肯定会安全降落的。太棒了。那是个充电平台。
合作伙伴展示:Wood PLC谈Oracle Fusion Cloud HCM
Wood PLC 发言人:
Wood PLC是一家大型的全球咨询和工程公司。我们在60个国家运营,拥有36000名员工。作为一个职能部门,我们的IT、人力资源和财务部门效率低下且成本高昂。我们有几十个HR系统,应用环境非常分散。我们有许多不同的工作方式和流程,很难整合我们的员工数据和报告。
其中一个关键影响是,我们难以让在Wood工作变得简单,难以以更统一的方式与员工互动,而且工作流程中的自助服务能力也不存在。所以我们选择了Oracle Fusion Cloud HCM,因为它涵盖了我们所有的人事流程。它还真正关注员工和候选人的体验,这对我们很重要。转向SaaS软件让甲骨文来做所有困难的工作,而我们可以利用创新,快速推进我们的人事流程。
我们已经上线了核心HR、人才管理、薪酬和学习模块。这些是我们首批推出的模块。之后,我们还引入了带有Recruit Booster的Oracle Recruit。我们正在利用Journeys功能进行新员工入职。我们最近还实施了帮助台和数字助手,这为我们的人事流程提供了完整的端到端解决方案。
我们在Oracle Recruit和绩效管理中启用了AI功能。我们最近在绩效目标中上线了AI Assist。我很高兴地说,反馈非常惊人。我们缩短了招聘时间。在引入AI之前,我们招聘技工和手工艺人的时间是45天。引入AI后,我们现在是21天。对于我们的可报销职位来说,招聘时间是一个关键指标。如果职位空缺,我们就无法向客户收费。
AI代理将帮助我们真正推动自助服务的采用。它将在工作流程中为我们的员工和经理提供指导,帮助他们找到答案。他们不再需要给HR发邮件,联系我们的共享服务中心,然后等待回复。他们在应用程序里,就能得到所需的指导。这样他们就可以专注于他们工作中能增加价值的部分。
我们从甲骨文获得的支持和合作关系是首屈一指的。数字化转型的旅程永无止境,它在不断演进。我认为,与甲骨文合作实盘配资,他们把客户放在第一位。
诚信配资提示:文章来自网络,不代表本站观点。