Категорія: Великі Дані та Аналітика

• Наступник локальної мережі, Ван і Ман – Ян – Мережа інтелектуальної області
• Постачальники розробляють архітектури AI, які розкривають концепцію роботи з географії та масштабу – і допомагають приносити дохід
• Я закликаю галузь, щоб допомогти побудувати повне розуміння нового ринку мережі інтелектуальних районів

“AI – це найзначніша і трансформаційна технологія, яку ми коли -небудь бачили”, – каже Білл Гейтс, і хто з ним сперечається?

Однак разом із трансформацією ШІ складається складність та ризик, особливо для перевізників, які покладаються на створення цифрової інфраструктури для підтримки штучного інтелекту.

В даний час індустрія комунікацій та великі технології є гіпер-орієнтованою на вирішення найбільш очевидних з цих проблем: побудова масивних центрів обробки даних, які можуть розмістити величезну обробку, необхідну для прискорення навчання та висновку моделей штучного інтелекту.

Але це лише один шматок головоломки. Мережа, яка з'єднує центри обробки даних, також повинна бути повністю перероблена та перебудована.

Що ж, друзі, я приношу вам радісні притягнення до великої радості: всі провідні продавці світу – плюс HPE – самостійно працюють над інтегрованими рішеннями, які стосуватимуться загадки мережі AI.

Введіть Ian – Мережу інтелектуальної області та наступника до локень, Венса та Менів.

Ciena, Cisco, Ericsson, Huawei, Juniper, Nokia та ZTE розробляють IANS для вирішення виклику мережі AI, використовуючи різноманітний спектр технологій та архітектур нового покоління. Розуміння відмінностей між їх стратегіями має бути роботою № 1 для перевізників; Їх виживання залежить від цього.

У чому проблема?

До цих пір конструкція мережі Comms дотримувалася того ж правила, що і нерухомість: місце розташування, місце розташування, місце розташування. Місцеві мережі (LANS), мережі з широкою областю (WAN) та мегаполіси мереж (MANS) використовують програмне забезпечення, обладнання та найкращі практики, розроблені для обробки даних, що перевозяться в місці, де вони розгортаються.

Трафік AI відрізняється і не має наміру дотримуватися правил, які визначили передачу даних по мережах протягом останніх 40 років. Окрім того, що це найважливіший рух транспорту через мережі носіїв, AI також є найменш передбачуваним і найвибагливішим.

Для мережевих архітекторів бурхливий профіль трафіку AI-керований робочими навантаженнями у режимі реального часу, величезними резервними копіями даних, автономними системами та Edge AI-є найгіршим сценарієм. Шаблони трафіку AI дуже мінливі, починаючи від крихітних, чутливих часів у виходи, лише декількох байт, які повинні бути доставлені в мілісекундах, до слонових потоків сотень гігабайт або навіть петабайт, які можуть домінувати в мережі протягом декількох хвилин.

Традиційні конструкції LAN/WAN/MAN не можуть впоратися з ШІ, і намагаючись покращити проблему, кидаючи на неї шматки сировини, використовуючи останні дорогі оптичні технології 400- та 800-GIG, покращує проблему, але не виправляє її.

Економія масштабу

І з точки зору бізнесу, це жахлива угода для перевізників.

Це тому, що економічна модель телекомунікацій 20 століття мертва. Доходи перевізників більше не масштабують пропорційно обсягу трафіку, який вони несуть. “Значення даних” зараз, звідки надходять великі гроші, а не перевезення даних.

Сьогодні найцінніші дані містять програми та послуги AI, які майже повністю генеруються уповноваженими (OTT) постачальниками та гіперкалерами, які заробляють на нього мільярди прибутку. Перевізники, з іншого боку, наразі розглядаються як стабільні види галузі. Утиліти даних забезпечують достатньо велику трубу, щоб швидко та надійно передати трафік AI між центрами обробки даних гіперсалера, але не отримують безпосередньо прибутку від інформації, що надається в межах самих даних, або її цінності для компаній, що надсилають її.

І, звичайно, очікується, що вони також матимуть витрати на значні оновлення інфраструктури, коли потреби в мережі збільшуються. І цей рахунок зростає з кожним днем; Трафік AI збільшується приблизно на 50% щорічно, але, як очікується, він збільшиться на кратне те, що в найближчі кілька років, причому значна частина зростання надходить з ботів AI, що повзає в Інтернет для LLMS.

Розумна відповідь

Використання революції AI вимагає революційного підходу-той, який відбиває концепцію мережі з географії та масштабу, а також інтеграцію стратегії для отримання доходу від доходу від трафіку AI, незалежно від його джерела.

Це саме те, що роблять усі провідні постачальники комунікацій у світі. Agile Solution Cisco стане центральною частиною його події Cisco Live в Сан -Дієго наступного тижня.

У січні 2024 року Juniper приурочував ринок із запуском своєї тумної архітектури Mist AI, заснованої на технології, яку вона придбала, коли він купував системи MIST у 2019 році. Той факт, що для інтеграції його в портфоліо знадобилося п’ять років, говорить про складність місії IAN.

Існують суттєві відмінності в підходах, застосованих постачальниками до доставки їх IAN, але вони також мають три ознаки спільного:

1. Всі вони пропонують багатодоменні рішення, що дозволяють контролювати кінцевий рух над мережевим трафіком та активністю, з джерела AI у приміщеннях клієнтів, фабричних підлогах або центрах обробки даних, аж через хмару.
2. Вони поставляються з інструментами та підтримкою для вирішення екзистенціальної кризи перевізника шляхом диверсифікації доходів, як визначаючи трафік ATO та гіперкалера AI, та стягуючи премію за ІТ за допомогою угод про рівень сервісу (SLA), а також створюючи нові цифрові послуги AI-інноваційні моделі API-Plus-Ceverver.
3. Вони борються з вогнем з вогнем, вбудовуючи AI всюди в всій мережі перевізників, щоб керувати сплеском трафіку AI за допомогою моніторингу, маршрутизації, автоматизації, виявлення аномалії та прогнозування, таким чином підвищуючи ефективність мережі, продуктивність, безпеку та досвід користувачів.

Третій пункт є важливим. Коли глобальна гіпербола навколо ШІ досягає все більш абсурдної висоти, це освіжаюче бачити, як AI використовується в прагматичному та дуже потрібному бізнесі. AI не вилікує рак протягом наступних 10 років, як стверджував Google, і наразі немає резолюції мета-випуску того, як живити революцію AI в Північній Америці або регулювати її. Однак, за допомогою Іана, він може абсолютно забезпечити перевізникам шлях до вигідного майбутнього.

Ян, зустріти ai. AI, зустрінемося Іана. Я думаю, ти ладиш.

Заклик до дії …

Вирішення, з якою Ян працювати з найважливішими перевізниками рішень, зіткнуться в цьому десятилітті, визначаючи їх здатність диверсифікувати доходи та перевершити роль утиліти даних 20 століття. Але існують ключові відмінності між підходами, застосованими кожним постачальником на цьому ринку. Поки що ніхто не створив сенсичне порівняння цих продуктів на основі послідовної, кількісної інформації. Чому ми цього не зробимо разом?

Я запрошую всіх постачальників, які працюють на мережевих рішеннях інтелектуальної області, щоб зв’язатися зі мною. Але я також радий поговорити з перевізниками про те, що ви шукаєте у своєму Ian. Не соромтеся кинути мені тут лінію.

Стів Сондерс-аналітик з питань комунікацій, що народиться в британській, інвестор та підприємець з цифрових медіа з кар'єрою, що триває десятиліття.

---

Операції експертів галузі, аналітиків чи наших редакцій-це думки, які не представляють думки жорстокої мережі.

У поточну епоху смартфонів та носячих пристроїв генеруються величезна кількість файлів даних Heath Heath та дані датчиків. Аналітика великих даних відіграє головну роль у вирішенні питань та проблем, які виникають у секторі охорони здоров'я. Великі дані можуть впоратися з величезним вибухом даних, які знаходяться в галузі охорони здоров'я.

Щоденний петабайт даних генерується за допомогою різних пристроїв, що може, якщо проаналізувати надати корисні рішення, керовані даними, та розуміння лікування пацієнтів. У цьому документі наведено огляд різних областей застосування аналітики великих даних у галузі охорони здоров’я, викликів та інструментів та технологій, які можуть бути використані в хмарах охорони здоров’я.

Запит зразкового звіту (Отримайте повну інформацію на PDF – 277 сторінок) за адресою: https://www.alliedmarketresearch.com/request-sample/2308

Великі дані можуть змінити галузь охорони здоров'я та можуть підвищити ефективність роботи та якість моніторингу клінічних випробувань. Значна частина даних про охорону здоров'я знаходиться в неструктурованій, структурованій формі. Таким чином, традиційні системи баз даних не в змозі ефективно обробляти дані про охорону здоров'я. Тож ось необхідність інтегрувати великі аналітики даних, інструменти та методи в галузь охорони здоров’я, щоб отримати корисну інформацію з рясних даних, які генеруються. Analytics змінила спосіб практики охорони здоров'я, надаючи новий сенс здоров’ю.

Згідно з новим звітом, опублікованим компанією Allied Market Research, під назвою “Аналітика великих даних на ринку охорони здоров'я”, аналітика великих даних на ринку охорони здоров’я оцінювалася в 29,7 мільярдів доларів у 2022 році, і, за оцінками, досягнуто 134,9 мільярдів доларів до 2032 року, що зростає в CAGR 16,7% з 2023 по 2032 роки.

Зростання аналітики великих даних на ринку охорони здоров’я зумовлюється такими факторами, як збільшення прийняття великих даних у галузі охорони здоров’я, зростання попиту на рішення аналітики для сприяння управлінню охороною населення та переведення переваги з моделі оплати праці до моделі на основі вартості. Однак, очікується, що проблеми, пов'язані з безпекою даних та недоліками кваліфікованої робочої сили, будуть перешкоджати зростанню ринку в майбутньому. Навпаки, зростаюча схильність до хмарних рішень для аналітики та нова тенденція в галузі охорони здоров’я, таких як телебачення та інновації в геноміці, створить прибуткові можливості для гравців ринку в майбутньому майбутньому.

Купуйте зараз та отримайте ексклюзивний звіт за адресою: https://www.alliedmarketresearch.com/big-data-analytics-in-healthcare-market/purchase-options

На основі компонента сегмент програмного забезпечення займав понад дві третини частки на світовому ринку у 2017 році і, як передбачається, підтримувати своє домінування до 2025 року, завдяки зростанню електронних записів пацієнтів та кількості мамонтів клінічних даних, які потребують аналізу. Однак, як очікується, сегмент послуг зареєструватиме найшвидший CAGR в розмірі 21,3% протягом прогнозного періоду, зважаючи на зростаючі вимоги до навчання, планування, технічного обслуговування та підтримки, а також впроваджуючи програмне забезпечення для аналітики охорони здоров’я.

Очікується, що модель розгортання на основі хмара зареєструє найшвидший CAGR в розмірі 20,8%, завдяки своїй користь від локальної моделі, таких як без капітальної вартості, низьке обслуговування, швидша обробка даних та ефективне використання ресурсів. Однак у 2017 році сегмент у приміщенні провів найбільшу частку, що сприяє близько 59,3% від загальної частки і, як очікується, продовжить своє домінування.

Очікується, що сегмент аналізу аналізу зросте в найшвидшому CAGR на 20,3%, оскільки він допомагає запобігти помилкам, дочиненим лікарями під час заповнення рецептів, що підвищує загальне лікування пацієнтів та продуктивність систем охорони здоров'я. Однак сегмент прогнозованої аналітики використовується для аналізу витрат клієнтів та інших оптимізованих поведінок, завдяки якій він залишається найбільшим сегментом, що сприяє приблизно третині світової ринкової вартості. На основі аналітики, ринок додатково сегментується на описову аналітику та діагностичну аналітику.

Для придбання запит: https://www.alliedmarketresearch.com/purchase-enquiry/2308

На основі застосування, сегмент клінічної аналітики становив більше половини загальної частки ринку у 2017 році і, як очікується, буде домінувати на ринку протягом усього прогнозного періоду, завдяки зростанню інвестицій у здоров'я населення та прийняття клінічної аналітики в наступному управлінні. Однак, очікується, що сегмент фінансової аналітики зросте в найшвидший CAGR в 21,6% завдяки зростаючому прийняттю організацій охорони здоров’я, оскільки їм потрібно збільшити свою фінансову віддачу від технологічних інвестицій. Більше того, сегмент оперативної аналітики виявлятиме стабільне зростання протягом прогнозного періоду.

Враховуючи більше половини загального отриманого доходу у 2017 році, сегмент лікарень та клінік був найбільшим кінцевим користувачем аналітики великих даних через збільшення попиту на оптимізовані послуги з догляду та зменшення витрат на лікарню. Однак, очікується, що сегмент фінансових та страхових агентств проявить найшвидший CAGR в розмірі 21,6% протягом прогнозного періоду, завдяки зростанню попиту на аналітику великих даних у процесі прийняття рішень полісів медичного страхування та фінансових інвестицій у секторі охорони здоров'я. У звіті також аналізується ще один сегмент дослідницької організації.

За прогнозами, Європа стане свідком найвищого CAGR від 21,8% до 2025 року протягом прогнозного періоду. Урядові установи різних країн, таких як Великобританія, Німеччина, Швеція та Нідерланди, вимагали цінної думки щодо процесу госпіталізації, а також надійного аналізу довгострокового здоров'я населення, що сприяє зростанню великих даних на ринку охорони здоров'я. Однак, прогнозується, що Північна Америка залишатиметься домінуючим регіоном, тримаючи більше половини загальної частки ринку до 2025 року, оскільки це було раннім прийняттям аналітики великих даних у галузі охорони здоров'я. Інші регіони, такі як Азіатсько-Тихоокеанський та Латинська Америка, Близький Схід та Африка (Lamea), також проаналізовані у звіті.

Доступ до повного резюме звіту за адресою: https://www.alliedmarketresearch.com/big-data-analytics-in-healthcare-market

Ключові гравці, проаналізовані у звіті, включають Allscripts, Cerner Corporation, Dell EMC, Epic System Corporation, GE Healthcare, Hewlett Packard Enterprise Development LP, корпорація міжнародних бізнес -машин (IBM), Microsoft, Optum, Inc. та Oracle. Вони прийняли різні стратегії, включаючи співпрацю, спільні підприємства, партнерства, розширення, злиття та поглинання та інші, щоб отримати сильну позицію в галузі.

Контакт:
Девід Корреа
1209 Orange Street,
Центр довіри корпорації,
Вілмінгтон, Новий замок,
Делавер 19801 США.
Int'l: +1-503-894-6022
Безкоштовно: + 1-800-792-5285
Великобританія: +44-845-528-1300
Індія (Пон): +91-20-66346060
Факс: +1-800-792-5285
help@alliedmarketresearch.com

Про нас:

Allied Market Research (AMR)-це дослідження на ринку повного обслуговування та крило бізнес-консультації ТОО Allied Analytics, що базується в Портленді, штат Орегон. Дослідження Allied Market забезпечують глобальні підприємства, а також середній та малий бізнес з неперевершеною якістю “звітів про дослідження ринку” та “рішення бізнес -розвідки”. AMR має цільовий погляд на надання бізнес -розуміння та консультацій, щоб допомогти своїм клієнтам у прийнятті стратегічних бізнес -рішень та досягнення сталого зростання у відповідних ринкових сферах.

Паван Кумар, генеральний директор досліджень ринку союзників, веде організацію до надання високоякісних даних та розумінь. Ми перебуваємо в професійних корпоративних відносинах з різними компаніями. Це допомагає нам розкопати дані ринку, які допомагають нам генерувати точні таблиці даних досліджень та підтвердити, що максимальна методологія закупівель даних включає глибокі, представлені у звітах, опублікованих нами, витягується за допомогою первинних інтерв'ю з провідними чиновниками з провідних досліджень в Інтернеті та офлайн та обговорення з знаючими професіоналами та аналітиками в галузі.

Цей випуск був опублікований на OpenPR.

Центр передового досвіду GKN Aerospace в Троллхіттані, Швеція, інтегрував програмне забезпечення AM Explorer Interspectratral у свої операції з виробництва добавок (AM). Цей крок є частиною більш широкого поштовху компанії до підвищення ефективності виробництва та вирішення цілей стійкості за допомогою технологій цифрових виробничих технологій.

AM Explorer, розроблений шведською фірмою Interspectral, забезпечує 3D-візуалізацію та інструменти аналізу на основі AI, спеціально для металу AM. У GKN Aerospace програмне забезпечення підтримує забезпечення якості, моніторинг процесів та аналіз даних – ключових факторів у забезпеченні надійного виробництва складних аерокосмічних компонентів.

За словами Мартіна Тордена з GKN Aerospace, перехід до методів добавки пропонує більш ефективну альтернативу звичайному виробництву, яке часто покладається на великі кастинги та пошкодження, які генерують значні матеріальні відходи. “Використовуючи виробництво добавок, ми можемо побудувати деталі шар за шаром з металевим дротом або порошком, різко зменшуючи кількість використовуваної сировини та енергії. Це допомагає скоротити викиди, менші витрати та скоротити терміни виробництва”, – сказав Торден.

Прийняття AM Explorer також є частиною зусиль GKN Aerospace для зменшення його залежності від традиційних ланцюгів поставок, які зіткнулися з великими проблемами у вартості, часу виконання та надійності. Виробництво добавок є життєздатним рішенням цих проблем, що пропонує більшу гнучкість та стійкість у виробництві.

Міжспектральний та GKN Aerospace почали працювати разом на початку 2024 року і зараз збільшують використання AM Explorer у виробництві. Компанії спільно розробляють функції виявлення аномалії на основі AI, пристосованих до матеріалів, застосувань та масштабних металевих принтерів, що використовуються на об'єкті Trollhättan.

Однією з головних напрямків фокусу є інтеграція з новими Nikon SLM NIKON NXG XII 600 Metal 3D -принтерами. Ці системи мають відкриту архітектуру даних, яка дозволяє AM Explorer отримати доступ до понад 400 точок даних від кожної збірки. Це допомогло впорядкувати робочий процес GKN, зменшивши потребу в спеціальних інструментах внутрішнього моніторингу.

Поєднання машин AM Explorer та Nikon SLM забезпечує швидші цикли виробництва за допомогою даних про дані в режимі реального часу, покращення стабільності процесу за допомогою виявлення дефектів AI-AI та кращого використання ресурсів, що підтримує цілі стійкості GKN Aerospace. Програмне забезпечення автоматично обробляє дані збірки з високою роздільною здатністю за допомогою моделей AI, які навчаються на наборах зображень NXG. Потім інженери можуть використовувати інструменти візуалізації AM Explorer для вивчення аномалій, перегляду даних про збірку та генерування звітів про якість – все в одному інтерфейсі.

Томас Райделл з Interspectral зазначив: “Наша співпраця з Aerospace GKN зосереджена на вирішенні реальних виробничих проблем у AM. Поєднуючи свій виробничий досвід з нашою платформою аналітики, ми працюємо над підвищенням надійності, автоматизації та економічної ефективності в аерокосмічній виробництві”.

GKN Aerospace каже, що інтеграція – це крок до масштабування виробництва добавок для більш критичних компонентів двигуна, зберігаючи при цьому стандарти продуктивності та безпеки, необхідні в авіації.

Казначейські операції В Азії, особливо Південно -Східній Азії, у 2025 та 2026 роках переходять у складний і розвивається ландшафт, що формується економічними, геополітичними та технологічними силами. У регіоні спостерігається ослаблення інфляції та процентних ставок, але залишається оскарженим посиленою геополітичною напругою, особливо між США та Китаєм, які впливають на нестабільність валюти та стратегії ланцюгів поставок.

Ринки облігацій в Азії демонструють позитивні основи, але стикаються з уразливістю від фіскального дефіциту та боргових ризиків. Функції казначейства Потрібно адаптуватися до зростання кіберзагроз, вимог цифрової трансформації та складності управління грошовим потоком у різних юрисдикціях.

Одночасно виникають можливості з посилення діяльності з МіО, галузеві зміщення до технології та інфраструктури та інноваційних методів фінансування, таких як зелене фінансування та структури альтернативних угод. Щоб досягти успіху, лідери казначейства повинні підвищити управління ризиками, оптимізувати структури капіталу та розвивати таланти з новими навичками для підтримки стійкості та захоплення перспектив зростання.

Трансформація казначейства та цифровізація

Наміт КамраФінансовий директор PT Indorama Polychem Indonesia та кантрі -лідерство корпоративного банкінгу, казначейства та ризиків для Indorama Ventures (Індонезійські дочірні компанії), Зауважує, що казначейські функції в Азії зазнають значної трансформації, керованої технологічним прогресом та розвиваються економічними умовами.

“Компанії все частіше приймають цифрові інструменти для поліпшення прогнозування грошових потоків, автоматизації примирення та ефективнішого управління ліквідністю”, – додає він. Він підкреслює появу інформаційних панелей, що підтримуються AI, які забезпечують видимість грошових коштів у режимі реального часу та динамічний аналіз сценаріїв, що дозволяє більш обґрунтоване прийняття рішень у мінливих умовах.

Камра підкреслює: “Якщо готівка є королем, дані є королевою; нам потрібно гарантувати, що ми оптимально керуємо грошовими коштами, і даними. Користувачі та ті, хто приймає рішення, переходять від просто даних до” даних у режимі реального часу “-для швидшого та точного прийняття рішень”.

Він зазначає, що функції казначейства стають більш розумними та більш автоматизованими з припливом програмного забезпечення та допоміжними інструментами; “Хоча темп все ще потрібно підібрати, проте напрямок ідеальний. Розумні та інтелектуальні казначейські рішення доступні та отримувати все більше і більше прийнятності користувачами”.

Що стосується масштабованості, він вважає, що є великі взуття для заповнення, а Азія має довгий шлях.

Управління ліквідністю на тлі полегшення процентних ставок

Оскільки процентні ставки, як очікується, полегшать на таких ринках, як Індонезія, Камра радить казначейським командам зосередитись на покращенні грошовий потік Прогнозування точності та переоцінки Інвестиційна політика. Він рекомендує використовувати вдосконалені інструменти прогнозування, інтегровані з даними в режимі реального часу, для покращення прогнозів грошових потоків та більш ефективного виділення коштів.

“Крім того, диверсифікація на дещо довгострокові або вищі придатні інструменти, такі як короткочасні облігації або високоякісний комерційний папір, можуть запропонувати кращу віддачу, зберігаючи надійні рамки управління ризиками”,-продовжує він.

Камра підкреслює, що оптимізація ліквідності виходить за рамки швидкого перетворення грошових коштів від продажів; Він охоплює управління обома сторонами балансу – оплата, дебіторська заборгованість, оборот товару, надлишок розгортання грошових коштів та управління капітальними витратами.

“Управління ліквідністю зараз спостерігається в тандемі з ефективністю оборотного капіталу”, – каже він, підкреслюючи важливість таких показників, як коефіцієнт DSO, DPO та DIO. “Сказавши, що будь -який цикл процентних ставок, оптимальне використання ліквідності має ключове значення”, – додає він.

Пом'якшення ризиків від напруженості США та нестабільності валюти

Постійна торговельна напруженість США вводить значні ризики для азіатського бізнесу. Камра радить фахівців з казначейства застосовувати динамічні стратегії хеджування, використовуючи форвардні контракти та варіанти для пом'якшення впливу валюти.

Він також рекомендує диверсифікувати ланцюги поставок та вивчати альтернативні ринки для зменшення залежності від мінливих регіонів, зміна, яка може представляти зміну парадигми, якщо напруга посилюється.

“Динаміка ланцюгів поставок змінюється, і корпорації намагаються перенести канали закупівель та поставок з однієї країни в іншу, навіть від одного континенту на інший. Це буде зміна парадигми, якщо напруга посилиться.” Наміт Камра

Враховуючи послаблення долара та мінливості США у таких валютах, як індонезійська рупія, своєчасне та точне вимірювання ризику та хеджування ризику є критичними.

Використання цифрової трансформації для ефективності казначейства

Цифрова трансформація революціонізує казначейські операції в Азії. Kamra висвітлює інновації Fintech, які дозволяють виплати в режимі реального часу, автоматизоване примирення та прогнозовану аналітику для динамічного управління ризиками. Інтеграційні платформи, що з'єднують ERP та банки, забезпечують безперебійні, в режимі реального часу, посилюючи прийняття рішень.

“Моделі ризику, орієнтовані на AI, що працюють на даних, використовуючи ML, NLP та інші методи AI, підтримують моделі прогнозування ризику ліквідності, прогнозування майбутніх грошових потоків та підвищення тривоги дефіциту ліквідності та пасток, які очікуються в майбутньому”,-висловлює Камра.

“Інтеграційні платформи, що з'єднують ERP та банки, забезпечують безперебійні розуміння в режимі реального часу, що покращують прийняття рішень. Моделі ризику, що працюють на AI, використовуючи машинне навчання та обробку природних мов підтримують ризику ліквідності та попередження казначейських команд про потенційні дефіцит”. Наміт Камра

Для мультирусдикційних операцій надійна дисципліна казначейства є важливою, включаючи належні валютні огорожі, використання міжміських фондів та пов'язане з ними фінансування партії.

З точки зору Поліпшення грошових потоківвін зауважує, що функція казначейства розвивається, щоб включити цілісний підхід з інтеграцією в режимі реального часу з банками “через API з відкритим банкінгом, що дозволяє прямувати банківські канали та швидкі GPI, що дозволяють відстежувати платежі в режимі реального часу для транскордонних операцій”.

Посилення кібербезпеки та запобігання шахрайству

З кібератаками та фінансовим шахрайством, що піднімається, Камра підкреслює необхідність надійних заходів кібербезпеки. Безпечні платіжні системи, що поєднують дозволений блокчейн з цифровими валютами Центрального банку, можуть підвищити безпеку транзакцій та ефективність роботи. “Регулярне навчання для працівників казначейства є життєво важливим для визнання та пом'якшення загроз”, – продовжує він.

Kamra висвітлює останні напади викупу в Індонезії як попередження та наголошує на важливості системного контролю для запобігання вигаданих грошових переказів, дублікатів платежів та ризиків оплати. “Крім того, захист даних набирає тягу не тільки з корпоративної сторони, але і з регуляторами, які придумують суворі та чіткі правила з цього приводу. Нам потрібно серйозно сприймати захист даних та забезпечити дотримання його повного”, – стверджує він.

Врівноваження зростання M&A з фінансовою стійкістю

Камра підкреслює важливість фінансової дисципліни та стратегічної ясності при переслідуванні зростання M&A. Придбання повинно узгоджуватися з довгостроковими цілями та пріоритетами капіталу.

“Сувора належна ретельність, чітке розуміння ризиків інтеграції та розсудливе управління ліквідністю є основоположними для забезпечення того, щоб ініціативи щодо зростання не загрожують нашій фінансової стійкості”, – продовжує він.

Він додає, що інтеграція після змагань повинна зосередитись на захопленні синергій та оперативної ефективності для забезпечення стійкої вартості акціонерів.

Зв'язок з розривами талантів та підвищення кваліфікації казначейських команд

Еволюціонуючий казначейський ландшафт вимагає постійного підвищення кваліфікації. Камра зазначає, що фахівці з казначейства повинні поєднувати знання фінансів з технологічною здатністю.

“Еволюціонуючий ландшафт казначейських операцій потребує постійного підвищення кваліфікації казначейських команд. Інвестування в навчальні програми, орієнтовані на аналітику даних, просунуті методи прогнозування та використання Системи управління скарбницями (TMS) є важливим, – каже Камра.

Крім того, він вважає, що співпраця з навчальними закладами та галузевими органами може надавати спеціалізовані курси та сертифікати. Камра називає це “модернізацією навчання та талантів” необхідним для майбутньої готовності.

Оптимізація банківських відносин на тлі зростання процентних ставок

У середовищі з високою процентною ставкою Камра радить казначейським командам застосовувати проактивний та стратегічний підхід до ліквідності та управління ризиками. “Залучення рано та послідовно з нашими банківськими партнерами дозволяє нам забезпечити конкурентні умови як для фінансування, так і для хеджування”.

Регулярні огляди банківських структур та розвитку ринку забезпечують стратегії капіталу, які залишаються економічно вигідними та узгоджуються з цілями зростання. Він наголошує на критичному важливості всебічного хеджування для багатоквартирної та багаторічної експозиції.

Адаптація до тривалих високих процентних ставок та інфляції

Камра визнає, що стійкість високих процентних ставок з 2022 року збільшила витрати на казначейство та уповільнила інвестиції в капітал. Однак деякі економіки починають бачити зниження ставок. Інфляція переважно під контролем, за винятком деяких країн.

Для підтримки операційної ефективності казначери повинні оптимізувати оборотні кошти, розширюючи умови оплати постачальників, прискорення дебіторської заборгованості та зменшення запасів. “Крім того, переоцінка планів капітальних витрат та визначення пріоритетів інвестицій, які пропонують найвищу віддачу, можуть допомогти пом'якшити вплив інфляції на прибутковість”, – додає він.

Він стверджує, що співпраця серед казначей, банків, регуляторів та постачальників фінтехів є важливим для розробки стійких рішень.

Що стосується впливу на динаміку казначейства, Камра твердо вірить у нові тенденції, такі як децентралізовані фінанси, Автоматизовані інструменти торгівлі фінансуваннярозумні контракти, CRM-системи, керовані AI та блокчейн у ланцюгах поставок. “Це могло б зробити чудеса, якщо добре адаптується з конфіденційністю даних та кібербезпекою, добре охопленими”, – продовжує він.

Більш широкий ринок контекст

Підтримуючи відомості Камри, звіт Азіатського банку розвитку в червні 2024 р. Про розвиток ринку облігацій зазначає, що ринки облігацій Південно -Східної Азії розширюються, але залишаються відносно невеликими порівняно з рисами інших економік Східної Азії.

Видача державних облігацій В ASEAN значно збільшився в 1 кварталі 2024 року, керовані такими країнами, як Філіппіни. Тим часом ринки корпоративних облігацій показали відновлення, підтримуване виданням у Китаї, Гонконгу та Сінгапурі. Однак фіскальний дефіцит та ризики боргу залишаються занепокоєнням, які можуть вплинути на стабільність ринку.

Розширена аналітика, ШІ та автоматизація стають важливими, оскільки платники стикаються

Нью -Йорк, 1 червня 2025 р. (Newswire.com) –
Оскільки платники охорони здоров’я стикаються з посиленим регуляторним наглядом, зростанням витрат на охорону здоров'я та розвиваються складності коригування ризику, дослідження Black Book сьогодні оголосили про свої 2025 рейтинг провідних постачальників програмного забезпечення для коригування ризиків та кодування. Ці рішення стали важливими для платників, які шукають точних, сумісних та фінансово оптимізованих практик кодування через Medicare Advantage, медичну допомогу, плани ринку ACA та комерційних страховиків.

Згідно з останнім опитуванням платників Black Book, проведеним між Q4 2024 та Q1 2025, з відповідями від 1,108 старших керівників платників, фінансових службовців та лідерів коригування ризиків, 92% вказали на те, що вдосконалена аналітика та інструменти штучного інтелекту (AI) зараз є критичними для точного оцінювання ризику, покращеної ефективності кодування та підтримки реалізації.

“Плани охорони здоров'я терміново інвестують у технологічні рішення, які забезпечують точні, прогнозні та повністю сумісні практики коригування та кодування ризику”, – сказав Дуг Браун, президент Black Book Research. “Оптимізоване кодування не тільки забезпечує дотримання регуляторних норм, але суттєво впливає на фінансову стабільність, розподіл ресурсів та якість догляду за членами”.

Обсяг та можливість програмного забезпечення для регулювання ризику та кодування оптимізації

Опитування підкреслює зростаючий акцент на декількох основних сферах, де рішення для програмного забезпечення платників можуть різко підвищити продуктивність:

Точний оцінка ризику: 94% респондентів підкреслили точність у HCC (ієрархічних умовах) та RAF (коефіцієнт коригування ризику), оцінюючи як найвищий пріоритет.

Відповідність регулювання: 89% підкреслили важливість програмного забезпечення, здатного до постійного моніторингу відповідності, автоматизованих аудитів та перевірки кодування.

Прогнозування аналітики: 87% платників надають пріоритетні розвинені рішення аналітики, які передбачають ризик та дозволяють проактивне управління групами населення.

Автоматизовані процеси кодування: 70% відзначили необхідність автоматизації для зменшення помилок вручну, впорядкування робочих процесів та прискорення точності кодування.

Сумісність та інтеграція даних: 66% повідомили про сумісність як необхідну, забезпечуючи безперебійний потік даних серед постачальників, платників та регуляторних органів.

Топ -10 постачальників коригування ризику та оптимізації кодування (рейтинг за задоволеністю клієнтів та продуктивністю)

Edifecs – Розрізняли свої надійні рішення щодо взаємодії та аналітику коригування ризику в режимі реального часу, які впорядковують робочі процеси платників та забезпечують регуляторну точність.

Апіксіо – Визнаний своєю аналітикою коригування ризику AI, використовуючи обробку природної мови (NLP) для різкого покращення точності кодування та стратифікації ризику.

Scio Health Analytics (EXL) – Високо оцінений для прогнозного моделювання та всебічних інструментів аналітики, які значно підвищують точність кодування, фінансове прогнозування та управління відповідністю.

Адвокат – похвалили свою інтегровану платформу коригування ризику, пропонуючи аналітику в режимі реального часу, автоматизовані огляди діаграм та прогнозну ідентифікацію ризику.

Змінити охорону здоров'я – оцінюється для складних можливостей оптимізації кодування та аналітики, значно зменшуючи ризики аудиту та підвищення точності доходу.

Інновацер – Відзначено для розширеної аналітики та інтегрованих робочих процесів, які безперешкодно з'єднують потоки даних платників, оптимізуючи стратегії управління ризиками.

Незайманий – Аплодують на масштабовані платформи аналітики та комплексну сумісність, підвищення точності в оцінці ризику та дотримання нормативних норм.

Коттити – Визнаний за його глибоку аналітику та точну перевірку даних, що дозволяє платникам точно фіксувати ризик та впорядкувати дотримання кодування.

З – Визнаний за надійні засоби коригування ризику та кодування ризику, які безперешкодно інтегруються в системах платників, забезпечуючи точність та дотримання.

Талікс – Відомий своїми інноваційними рішеннями з коригування ризику, орієнтованими на NLP, які забезпечують точне кодування, зменшення ризику дотримання та максимізації цілісності доходу.

“Програмне забезпечення з коригування ризику та кодування оптимізації стало стратегічним імперативом для платників, спрямованих на процвітання в сучасному регуляторному та конкурентному середовищі охорони здоров'я”, – додав Браун. “Використання цих технологій позичає платників не лише для досягнення відповідності, але для реалізації суттєвих вдосконалень фінансових результатів, ефективності операцій та управління охороною здоров'я.”

Про дослідження чорної книги

Дослідження Black Book забезпечують неупереджену, що стосується натовпу, що стосується технологій охорони здоров’я, послуг та аутсорсингу. Починаючи з 2004 року, Black Book опитувала понад 1 мільйон користувачів та покупців технологій охорони здоров’я, підтримуючи сувору незалежність без фінансування постачальників, консультаційних підписки або домовленостей щодо підвищення продуктивності. Щоб ліцензувати повний повний звіт про коригування ризику та кодування 2025 р. Та детальні показники продуктивності постачальника, відвідайте: https://blackbookmarketresearch.com

ЗМІ ЗМІ: Електронна пошта: research@blackbookmarketresearch.com

Контактна інформація

Прес -служба
research@blackbookmarketresearch.com
8008637590

Джерело: Дослідження чорної книги

Порушення даних – це вже не рідкісні події, а постійна проблема.

Ми спостерігаємо регулярні інциденти в державних компаніях у різних секторах, включаючи охорону здоров'я, роздрібну торгівлю та фінанси. Хоча погані актори, безумовно, винні, ці корпорації не повністю без вини. Вони часто полегшують хакерам доступу до даних користувачів, не в змозі їх належним чином захистити.

Нещодавній приклад з'явився, коли дослідник кібербезпеки виявив відкриту базу даних, що містить понад 184 мільйони облікових даних.

Приєднуйтесь до безкоштовного звіту Cyberguy: Отримайте мої експертні поради, критичні сповіщення про безпеку та ексклюзивні угоди – плюс миттєвий доступ до мого безкоштовного посібника з виживання в Ultimate Scam, коли ви зареєструєтесь!

Як була розкрита база даних і що вона містила

Дослідник кібербезпеки Єремія Фаулер має виявлений Наявність відкритої бази даних, що містить 184,162,718 мільйонів облікових даних. Сюди входять адреси електронної пошти, паролі, імена користувачів та URL -адреси для платформ, таких як Google, Microsoft, Apple, Facebook та Snapchat.

Інформація також охоплює банківські послуги, медичні платформи та державні рахунки. Найбільш шокуюче, весь набір даних залишався абсолютно незабезпеченим. Не було ні шифрування, не потрібно аутентифікації та не було форми контролю доступу. Це був просто звичайний текстовий файл, який сидів в Інтернеті, щоб хтось знайшов.

19 мільярдів паролів просочилися в Інтернеті: як захистити себе

Фаулер розмістив базу даних під час звичайного сканування публічно оголених активів. Те, що він знайшов, було приголомшливим. Файл включав сотні мільйонів унікальних записів, що містять облікові дані користувачів, пов'язані з найбільшими в світі технологічними та комунікаційними платформами. Були також реквізити облікових записів щодо фінансових послуг та офіційних порталів, якими користуються державні установи.

Файл не був захищений жодним чином. Кожен, хто виявив посилання, може відкрити його в браузері та миттєво переглядати конфіденційні особисті дані. Жодна програмна експлуатація не потрібна. Жодного пароля просили. Він був таким же відкритим, як публічний документ.

200 мільйонів записів соціальних медіа просочилися в основному порушенні даних X

Звідки взялися дані

Фаулер вважає, що дані були зібрані за допомогою Infostealer. Цим легким інструментам надають перевагу кіберзлочинці за їх здатність мовчки витягти облікові дані входу та іншу приватну інформацію з компрометованих пристроїв. Після викрадення дані часто продаються на темних веб -форумах або використовуються в цільових атаках.

Після повідомлення про порушення постачальник хостингу швидко видалив доступ до файлу. Однак власник бази даних залишається невідомим. Постачальник не розголосив, хто його завантажив, чи база даних є частиною законного архіву, який був випадково опублікований. Фаулер не міг визначити, чи це результат недбалості чи операції з шкідливим наміром.

Щоб перевірити дані, Фаулер зв’язався з деякими особами, переліченими у записах. Кілька підтвердили, що інформація була точною. Це підтвердження перетворює те, що може здатися абстрактною статистикою, на щось дуже реальне. Вони не були застарілими або неактуальними деталями. Це були живі дані, які могли дозволити кожному викрадати особисті рахунки за лічені секунди.

1,7 мільярда паролів просочилися в темній павутині, і чому ваш ризикує

Фірма з персоналу підтверджує 4 -метрові записи, викриті у великому хакі

6 способів захистити себе після порушення даних

1. Змініть свій пароль на кожній платформі: Якщо ваші облікові дані входу були викриті, недостатньо змінити пароль лише на одному обліковому записі. Кіберзлочинці часто намагаються однакові комбінації на різних платформах, сподіваючись отримати доступ через повторно використані облікові дані. Почніть з оновлення найважливіших облікових записів, електронної пошти, банкінгу, хмарного зберігання та соціальних медіа, а потім перейдіть до інших. Використовуйте новий, унікальний пароль для кожної платформи та уникайте варіацій старих паролів, оскільки вони все ще можуть бути передбачуваними. Подумайте про використання a Менеджер паролів Для створення та зберігання складних паролів.

Наш Менеджер паролів з рейтингом забезпечує потужний захист, щоб допомогти захистити ваші рахунки. Він має Моніторинг порушення даних у режимі реального часу Щоб попередити вас, чи були оголені деталі вашого входу, плюс вбудований Сканер порушення даних Це перевіряє збережені електронні листи, паролі та інформацію про кредитну карту проти відомих баз даних витоку. Перевірка здоров’я пароля також виділяє слабкі, повторно використані або компрометовані паролі, щоб ви могли зміцнити свої онлайн -захисні сили лише кількома кліками. Отримайте більше деталей про мою Найкращі рецензовані експерти з менеджерів паролів 2025 тут.

2. Увімкніть двофакторну автентифікацію: Двофакторна автентифікаціяабо 2FA – це критична функція безпеки, яка різко знижує ризик несанкціонованого доступу. Навіть якщо у когось є ваш пароль, він не зможе увійти без другого кроку перевірки, як правило, одноразовий код, надісланий на ваш телефон або додаток автентифікатора. Увімкніть 2FA про всі послуги, які підтримують його, особливо вашу електронну пошту, фінансові рахунки та будь -яка послуга, яка зберігає конфіденційні персональні дані.

3. Слідкуйте за незвичайною діяльністю облікового запису: Після порушення поширене, щоб компрометовані рахунки використовувались для спаму, афери чи крадіжок особи. Зверніть пильну увагу на такі знаки, як спроби входу з незнайомих місць, запити на скидання пароля Ви не ініціювали або несподівані повідомлення, надіслані з ваших облікових записів. Більшість платформ дозволяють переглянути історію входу та підключені пристрої. Якщо ви щось бачите, негайно вживайте заходів, змінивши пароль і відкликавши підозрілі сеанси.

4. Інвестуйте в послуги з видалення персональних даних: Ви також повинні розглянути службу видалення даних. Враховуючи масштаб і частоту порушень, як описані вище, покладатися лише на особисту обережність, вже недостатньо. Автоматизовані послуги з видалення даних можуть забезпечити важливий додатковий рівень оборони, постійно скануючи та допомагаючи усунути вашу оголену інформацію від веб -сайтів брокера даних та інших інтернет -джерел. Хоча жодна послуга не обіцяє видалити всі ваші дані з Інтернету, наявність послуги з видалення – це чудово, якщо ви хочете постійно контролювати та автоматизувати процес видалення вашої інформації з сотень сайтів постійно протягом більш тривалого періоду часу. Перегляньте мої найкращі вибори для служб видалення даних тут.

Отримати Безкоштовне сканування Щоб дізнатися, чи ваша особиста інформація вже в Інтернеті.

5. Уникайте натискання на підозрілі посилання та використовуйте сильне антивірусне програмне забезпечення: Однією з найпоширеніших загроз після порушення є фішинг. Кіберзлочинці часто використовують інформацію з просочених баз даних для розробки переконливих електронних листів, які закликають вас перевірити свій обліковий запис або скинути пароль. Ніколи не натисніть на посилання або завантажуйте вкладення з невідомими чи підозрілими джерелами. Натомість відвідайте веб -сайти, ввівши URL -адресу безпосередньо у свій браузер.

Найкращий спосіб захистити себе від шкідливих посилань – це встановити сильне антивірусне програмне забезпечення, встановлене на всіх ваших пристроях. Цей захист також може попередити вас про фішинг -електронні листи та афери викупу, зберігаючи вашу особисту інформацію та цифрові активи в безпеці. Отримайте мої вибори для найкращих переможців захисту від антивірусу 2025 для пристроїв Windows, Mac, Android та iOS.

6. Оновлюйте своє програмне забезпечення та пристрої: Багато кібератак використовують відомі вразливості в застарілому програмному забезпеченні. Операційні системи, браузери, антивірусні програми та навіть додатки потрібно регулярно оновлювати для виправлення недоліків безпеки. Увімкніть автоматичні оновлення, де це можливо, щоб ви захищались, як тільки виправиться. Залишатися з вашим програмним забезпеченням – це один з найпростіших та найефективніших способів блокувати зловмисне програмне забезпечення, викупне програмне забезпечення та шпигунство від проникнення вашої системи.

Хакери, що використовують зловмисне програмне забезпечення для викрадення даних з флеш -накопичувачів USB

КЛЮЧ КОРТУВАННЯ

Безпека – це не лише відповідальність компаній та хостинг -провайдерів. Користувачі повинні приймати кращі практики, включаючи унікальні паролі, багатофакторну автентифікацію та регулярні огляди їх цифрового сліду. Небажане опромінення понад 184 мільйони облікових даних – це не просто помилка. Це приклад того, наскільки крихкі наші системи залишаються, коли навіть базовий захист відсутній. В епоху, коли штучний інтелект, квантові обчислення та глобальне підключення є переробкою технології, неприпустимо, що звичайні текстові файли, що містять фінансові та урядові облікові дані, все ще залишаються сидіти в Інтернеті.

Клацніть тут, щоб отримати додаток Fox News

Чи відчуваєте ви, що компанії роблять достатньо, щоб захистити ваші дані від хакерів та інших кіберзагроз? Повідомте нас, написавши нас на Cyberguy.com/contact

Щоб отримати більше моїх технічних порад та сповіщень про безпеку, підпишіться на мій бюлетень з доповіді про Cyberguy, відправившись до Cyberguy.com/newsletter

Задавайте Курта або дайте нам знати, які історії ви хотіли б висвітлювати.

Слідкуйте за Куртом на його соціальних каналах:

Відповіді на найзахисніші запитання кібергуї:

Новий від Курта:

Copyright 2025 Cyberguy.com. Усі права захищені.

Token Monster, нова платформа AI Chatbot, запустила свій Alpha Preview, спрямований на зміну того, як користувачі взаємодіють з великими мовними моделями (LLMS).

Розроблений Меттом Шумером, співзасновником та генеральним директором InthersIeAi та його хітом помічника з написання AI HyperWrite AI, ключовою точкою продажу Token Monster є його здатність маршрутизувати користувача до найкращих доступних LLM для виконання завдань, що забезпечують розширені результати шляхом використання сильних сторін декількох моделей.

В даний час є сім основних LLMS через Token Monster. Після того, як користувач вводить щось у вікно оперативного входу, Token Monster використовує попередні програми, розроблені через ітературу самим Шумером для автоматичного аналізу введення користувача, вирішити, яка комбінація декількох доступних моделей та пов’язаних інструментів найкраще підходить для цього, а потім забезпечити комбіновану реагування на використання сильних сторін зазначених моделей. Доступні LLM включають:

• Антропічний клод 3,5 сонет
• Антропічний клод 3,5 опус
• OpenAI GPT-4.1
• OpenAI GPT-4o
• Здивування AI PPLX (для досліджень)
• OpenAI O3 (для міркувань)
• Google Gemini 2.5 Pro

На відміну від інших платформ Chatbot, Token Monster автоматично визначає, який LLM найкраще підходить для конкретних завдань-а також які інструменти, підключені до LLM, були б корисними, такими як веб-пошук або середовище кодування-та оркеструє багатомодельний робочий процес.

“Ми просто будуємо роз'єми до всього, а потім система, яка вирішує, що використовувати, коли”, – сказав Шумер.

Наприклад, він може використовувати Claude для творчості, O3 для міркувань та PPLX для досліджень, серед інших. Цей підхід усуває необхідність користувачів для вибору правильної моделі для кожного підказки, спрощуючи процес для всіх, хто хоче якісних, індивідуальних результатів.

Основні моменти функції

Попередній перегляд Alpha, який наразі безкоштовно зареєструватися на tokenmonster.ai, дозволяє користувачам завантажувати діапазон типів файлів, включаючи Excel, PowerPoint та Docs.

Він також включає такі функції, як вилучення веб-сторінки, стійкі сеанси розмови та “швидкий режим”, який автоматично ставиться до найкращої моделі без введення користувача.

В основі монстра Token-OpenRouter, стороння служба, яка виступає в якості ворота до декількох LLM, і в яку Шюмер вклав невелику суму, за його визнанням.

Ця архітектура дозволяє Token Monster скористатися різноманітними моделями різних постачальників без необхідності створювати окремі інтеграції для кожного.

Ціни та доступність

На даний момент, Token Monster не стягує плоску щомісячну плату.

Натомість користувачі платять лише за жетони, які вони споживають за допомогою OpenRouter, що робить його гнучким для різного рівня використання.

За словами Шумера, ця модель надихнула Cline, інструментом, який дозволяє користувачам висококласних витрат отримати доступ до необмеженої потужності AI, що дозволяє їм досягти кращих результатів, просто використовуючи більш обчислювальні ресурси.

Багатоетапні робочі процеси дають більш багаті відповіді LLM

Робочі процеси AI Token Monster виходять за рамки простої оперативної маршрутизації.

В одному з прикладів чат -бот може розпочатися з етапу досліджень за допомогою API веб -пошуку, передати ці дані на O3 для ідентифікації інформаційних прогалин, а потім створити контур з Gemini 2.5 Pro, проекту текст з Claude Opus та вдосконалити його за допомогою Sonnet Claude 3.5.

Ця багатоетапна оркестрація розроблена для того, щоб надати більш багаті, більш повні відповіді, ніж один LLM, можливо, зможе генерувати самостійно.

Платформа також включає можливість збереження сеансів, при цьому дані надійно зберігаються за допомогою сервісної бази даних Supabase Online Source. Це гарантує, що користувачі можуть повернутися до поточних проектів, не втрачаючи своєї роботи, при цьому надаючи їм контроль над тим, які дані зберігаються та що є ефемерним.

Нетрадиційний генеральний директор

У помітному експерименті лідерство Token Monster було передано моделі Claude Antropic.

Шумер оголосив, що зобов’язаний дотримуватися кожного рішення, прийнятого “генеральним директором Клодом”, називаючи це тестом, щоб побачити, чи може AI ефективно керувати бізнесом.

“Або ми назавжди революціонізували керівництво, або зробили величезну помилку”, – написав він на X.

Виходить із суперечки 70-B суперечки

Запуск Token Monster настає менше ніж через рік після того, як Шумер зіткнувся з суперечкою щодо його запуску та остаточним втягуванням Meflection 70B, тонко налаштованою версією Meta's Llama 3.1, яка спочатку була рекламована як найбільш високоефективна модель з відкритим кодом у світі, але яка швидко стала підпорядкованою критиці та звинуваченням у третій частині, а також відновлювальними показниками.

Шумер вибачився і сказав, що проблеми народжуються з помилок, зроблених через швидкість. Епізод підкреслив виклики та ризики швидкого розвитку ШІ та важливість прозорості у випусках моделей.

Інтеграції MCP наступні

Шумер заявив, що його команда на Token Monster також вивчає нові можливості, такі як інтеграція з серверами протоколу контексту моделі (MCP), які дозволяють веб-сайтам та компаніям використовувати LLM використовувати свої знання, інструменти та продукти для досягнення завдань вищого порядку, ніж просто генерація тексту або зображень.

Це дозволило б Token Monster зв’язатися з внутрішніми даними та послугами користувача, відкритим можливостями для вирішення таких завдань, як управління квитками на підтримку клієнтів або взаємодіючи з іншими бізнес -системами.

Шумер підкреслив, що монстр Token все ще дуже сильно на ранніх стадіях. Незважаючи на те, що він вже підтримує набір потужних функцій, платформа залишається альфа -продуктом і, як очікується, побачить швидкі ітерації та оновлення, оскільки більше користувачів надають зворотній зв'язок. “Ми будемо продовжувати ітерувати і додавати речі”, – сказав він.

Перспективний експеримент

Для користувачів, які хочуть скористатися комбінованою потужністю декількох LLMS без клопоту перемикання моделі, Token Monster може стати привабливим вибором. Він призначений для роботи для людей, які не хочуть витрачати години на налаштування підказок або тестування різних моделей, натомість дозволяючи автоматизованій маршрутизації системи та багатоетапних робочих процесів обробляти складність.

У міру зростання можливостей Token Monster буде цікаво побачити, як користувачі та підприємства його приймають-і як його експеримент з каструлями управління AI-під керівництвом. Наразі це перспективне доповнення до швидко розширюваного ландшафту чатів та цифрових асистентів.

Редвуд-Сіті, штат Каліфорнія, 30 травня 2025 р.-Snorkel AI оголосив про загальну доступність двох нових пропозицій продуктів на платформі розробки даних Snorkel AI: Snorkel оцінювати та експерти з Snorkel AS-A-A-Service. Ці запускають свою місію, щоб перетворити знання на спеціалізовані AI – командні команди переходять від прототипу до виробництва в масштабі, використовуючи технологію розробки програм Snorkel AI.

Крім того, Snorkel AI оголосив, що зібрав 100 мільйонів доларів фінансування серії D за оцінкою 1,3 мільярда доларів на чолі з додаванням. Це нове фінансування сприятиме постійним дослідженням та інноваціям при оцінці та настройці спеціалізованих систем AI з експертними даними.

У той час як великі мовні моделі (LLM) пропонують величезний потенціал, підприємства не можуть впевнено розгорнути їх “з полиці” для спеціалізованих ділових випадків. За словами Gartner, до 2026 року організації, які не в змозі встановити масштабовані практики даних про ШІ, побачать, що понад 60% проектів ШІ покинуті. Досягнення AI, готових до виробництва, вимагають конкретних доменів даних для дрібнозернистої оцінки та методології налаштування моделі.

“Ми спостерігаємо сплеск імпульсу навколо агента АІ, але спеціалізовані агенти підприємства не готові до виробництва в більшості установок”,-сказав Алекс Ратнер, співзасновник та генеральний директор Snorkel AI. “Підприємствам потрібні дані, що стосуються домену та досвід, щоб зробити це реальністю. Ми раді забезпечити цю потребу та допомогти інноваторам AI розробити експертні дані, щоб залучити їхні LLM та агентські системи у виробництво з нашими новими пропозиціями, які завершують уніфікований стек розробки даних Snorkel”.

Оцініть підводку

Snorkel AI розширює свою платформу розробки даних AI із загальною доступністю оцінки Snorkel, що дозволяє користувачам будувати спеціалізовану, тонкозернисту оцінку моделей та агентів. Працюючи від унікального програмного підходу AI Snorkel AI до кураторних даних AI готових даних, ця нова пропозиція дозволяє підприємствам масштабувати свої робочі процеси оцінювання, щоб впевнено розгорнути системи AI на виробництво.

Оцінка Snorkel включає програмний інструмент для створення базових наборів даних, розробку спеціалізованих оцінювачів та корекції режиму помилок. Ці інструменти допомагають користувачам вийти за рамки загальних наборів даних та поза полицями підходи “LLM-AS-A-Judge” для ефективного побудови діючих оцінок, що стосуються домену.

“Щоб розблокувати повний потенціал Клода, нам потрібні нові підходи до оцінювання з доменним досвідом та відгуками людини”, – сказала Кейт Дженсен, керівник відділу доходів Anthropic. “Anthropic прагне працювати з інноваторами, такими як Snorkel AI, щоб забезпечити вдосконалення, надійні системи AI, надійні та узгоджені до потреб підприємств”.

Дані експертів Snorkel AS-A-Service

Expert Snorkel Expert Data-A-A-Service-це рішення з білої руки для доставки експертних наборів даних для оцінки системи та настройки кордонів AI на підприємства. Провідні розробники LLM вже співпрацюють з Snorkel AI для створення наборів даних для розширених міркувань, використання агенційних інструментів, взаємодії користувачів з багатоплином та знання, що стосуються домену.

Пропозиція поєднує мережу Snorkel з висококваліфікованих експертів з предметів з унікальною програмою технологічної платформи для маркування даних та контролю якості, що дозволяє ефективно доставити спеціалізовані набори даних. Snorkel Expert Data-A-A-Service оснащує підприємства для змішування внутрішніх знань та даних із власними наборами даних, розробленими за допомогою аутсорсингової експертизи.

Фінансування серії D Snorkel AI та імпульс ринку

Розгортання цих нових пропозицій підкреслює комерційний імпульс Snorkel AI. Сьогодні компанія також оголосила, що зібрала 100 мільйонів доларів на фінансування серії D за оцінкою 1,3 мільярда доларів, яку очолили додавання, за участю компанії Prosperity 7 Ventures, існуючих інвесторів Greylock та LightSpeed, та існуючих стратегічних інвесторів, включаючи BNY та QBE Ventures. Раунд приносить загальне фінансування Snorkel AI до 237 мільйонів доларів з моменту заснування в 2019 році. Цей новий капітал підтримує розширення компанії з її інженерних, досліджень та виїздів на ринок для своєї єдиної платформи розробки даних AI.

“З такими інноваціями, як оцінюють дані Snorkel Expert-AS-A Service та Snorkel, Snorkel AI дозволяє організаціям більш ефективно будувати моделі AI та забезпечити їх виконання на найвищих рівнях у спеціалізованих, реальних програмах”,-сказав Тодд Арфман, партнер на додаток. “Цей потужний, орієнтований на дані підхід прискорює розгортання надійного ШІ в масштабі-і ми з гордістю співпрацюємо з Snorkel AI, коли вони переосмислюють те, що можливо в AI Enterprise”.

Про Snorkel AI

Snorkel AI будує платформу розробки даних Snorkel AI для оцінки та настройки спеціалізованого AI у масштабі. Пропозиції Snorkel AI, включаючи Snorkel Evestation та Snorkel Expert Data-A-Service, прискорення оцінки та налаштування спеціалізованих систем AI з експертними даними-командні команди переходять від прототипу до виробництва в масштабі шляхом використання технології розробки програм Snorkel AI.

---

Джерело: Snorkel AI

Дослідники Genomics England відіграли ключову роль у розробці нового інструменту штучного інтелекту, відомого як Savana, який використовує дані про довгі читання, щоб знайти конкретні зміни в ДНК людини, пов'язаної з раком. Інструмент може швидко та точно проаналізувати генетичну інформацію з зразків пацієнтів, щоб допомогти діагностувати рак та інформувати підходи до лікування.

ТЕХНОЛОГІЇ ДЛОГО ЧИТАННЯ ПОСЛІДЖЕННЯ ДЛЯ ДОГАТЕЛЬНОГО БЕЗПЕЧНОГО ДИСКУВАННЯ ДНК. Ці методи можуть покращити здібності дослідників виявити складні генетичні зміни геномів раку. Однак складна структура геномів раку означає, що стандартні інструменти аналізу можуть призвести до помилкових позитивних результатів та ненадійних інтерпретацій даних. Ці оманливі результати можуть поставити під загрозу розуміння того, як розвиваються пухлини, реагують на лікування та обмежити здібності до діагностики та лікування раку.

Дослідження під керівництвом Європейського інституту біоінформатики EMBL та опубліковано в Методи природиБув розроблений та протестований дослідниками Інституту разом з Genomics England у співпраці з клінічними партнерами в університетському коледжі Лондона, Королівській національній ортопедній лікарні, Інституто де Медикіна Молекулярна Жоао Лобо Антунес та Бостонська дитяча лікарня.

Дослідницька група порівнювала результати Савани з довгого читання з секвенуванням одних і тих же зразків, проаналізованих за допомогою конструкції аналізу даних цілого генома, який використовується для доставки клінічних звітів. Отримані результати були дуже послідовними в різних технологіях, демонструючи, що Савана працює нарівні з нинішніми клінічними стандартами, виявляючи додаткові зміни, що стосуються раку.

Genomics England досліджувала використання Савани як частину своєї роботи, розглядаючи клінічний потенціал довгого читання технології секвенування для підтримки раніше, більш швидкої діагностики раку, а також надання даних для дослідників для перевірки точності нового інструменту.

Полозити короткий:

• NVIDIA готується до постачання клієнтів підприємства за допомогою потужності AI обробки на тлі поспіху на розгортання агентських інструментів, заявив генеральний директор компанії Дженсен Хуанг під час заклику доходів за Q1 2026 року на тримісячний період, що закінчився 27 квітня.
• “Дуже важко перенести дані кожної компанії в хмару, тому ми збираємось перемістити AI на підприємство”, – сказав Хуанг. “Ми побачимо, що AI перейде в Enterprise, який є на премії, тому що стільки даних все ще є на премії”.
• Гігант GPU побачив, що щоквартальний дохід збільшився на 69% за рік до 44,1 мільярда доларів, коли рівень використання AI зросла. “Робочі навантаження AI сильно перейшли до висновку, і Factory Buildouts сприяє значним доходом”, – заявили під час дзвінка NVIDIA EVP та фінансового директора Колетта Кресса.

Дайвінг розуміння:

Фортуни NVIDIA злетіли в останні два з половиною роки, керовані масовими інвестиціями в технічний сектор в інфраструктурі центру обробки даних, оптимізованих AI, для навчання та розгортання великих мовних моделей. У той час як Heperscaler Hunger для GPU залишається надійним, компанія робить ставку на ринок підприємств, щоб забрати оберти.

Великі хмарні постачальники встановили в середньому приблизно 72 000 GPUS NVIDIA Blackwell на тиждень протягом кварталу і на шляху до збільшення споживання, повідомляє Кресс. “Microsoft, наприклад, вже розгорнула десятки тисяч графічних процесорів Блеквелла і, як очікується, збільшить до сотень тисяч GB200 з OpenAi як одним із його ключових клієнтів”, – сказав Кресс.

Грейс Grace Blackwell Superchip, випущений рік тому,-це процесор високої ємності, який забезпечує більшу стійку, розроблену для обробки найбільш обчислювальних навантажень AI, таких як тренування з модель. У березні NVIDIA представила свого наступника, більш потужну систему стійок GB300 NVL72.

Хмарні постачальники почали відбирати нові процесори на початку цього місяця, і Nvidia очікує, що відправлення розпочнуться пізніше цього кварталу, сказав Кресс.

По мірі того, як його слід серед гіперкалерів продовжував розширюватися, Nvidia додав до свого портфоліо продуктів підприємства та підробили більш глибокі партнерські стосунки. У травні компанія розгорнула лінійку ноутбуків та робочих станцій, що працюють на GPU, звернувшись до своїх партнерів з виробництва ПК для доставки клієнтів підприємств.

“Enterprise AI просто злітає”,-сказав Хуанг у середу, вказуючи на нову лінійку локальних апаратних засобів AI. Кресс рекламував партнерство з розвитку AI, яку компанія в березні була введена в бренди Yum.

NVIDIA допоможе корпоративним батьком KFC, Pizza Hut та Taco Bell розгорнути AI у 500 ресторанах цього року та 61 000 локацій з часом, щоб “впорядкувати замовлення, оптимізувати операції та покращити обслуговування”,-сказав Кресс.

Ініціатива являє собою крок у великі ліги AI для брендів Yum. У минулому році компанія працювала з неназваним стартапом AI, щоб створити чат-чат Taco Bell-Drive-tru. Він також відзначив перший набіг NVIDIA в ресторанному бізнесі, згідно з повідомленням.

Yum використовував технологію NVIDIA, щоб живити свою власну байт за платформою Yum та включити голосові агенти AI, інструменти комп'ютерного зору та можливості аналітики продуктивності.

“Enterprise AI повинен бути розгортається на премії та інтегрована з його існуючим”,-сказав Хуанг. “Це обчислення, зберігання та мережа. Ми нарешті зібрали їх усі три, і ми збираємося на ринок з цим”.