图:GETTY
Carbon Lighthouse是一家获得了6700万美元资金的初创公司,该公司使用人工智能(AI)来降低商业地产类建筑物的碳排放。他们的新效能生产服务让建筑物所有者能够监视和测量碳排放量,他们认为,这对于在达成新的气候目标方面落后的老旧建筑物来说至关重要。
但是在《德勤2021年商业房地产展望》报告中,数据显示新冠肺炎疫情对商业房地产业产生了系统性的影响。
德勤咨询公司(Deloitte Consulting)的美国房地产业务主管John D’Angelo表示,新冠肺炎疫情对商业房地产业的影响正在迅速地推动技术的使用。
D'Angelo表示:“随着商业房地产公司努力理解并应对新出现的行为模式,创建安全的建筑空间,提高运营效率并确定资产和投资组合一级的风险和机遇,我们看到数字孪生的兴起,直接数字化参与、数据和分析,机器人流程自动化和数字化成熟度将在2021年及以后推动商业房地产业的发展。”
D'Angelo相信,随着需求和行为模式的快速变化以及商业房地产公司努力感知和响应这些变化所带来的机遇和风险,以数据为依据的决策将不断成熟。
他表示:“在这种环境下,试图凭着本能或者直觉做到这一点根本行不通。而且,当你考虑采用机器人流程自动化时,商业房地产业在利用技术方面的速度之慢可以说是众所周知。因为商业房地产公司现在正在努力提高运营效率并降低成本,RPA将在整个数字化转型工作中发挥作用。”
对此,德勤副董事主席及美国商业房地产业务领导Jim Berry表示,新冠肺炎疫情为房地产行业带来了独特的挑战。Berry表示:“重要的是要认识到,虽然新冠肺炎的疫情起到了促进作用,但是这并不会改变已经产生的趋势,在以前的商业房地产业的展望中,我们已经指出了变化的动态,行业需要抓住更好的机会来利用新兴技术和数据分析,以推动针对租户和最终用户体验的不同价值主张。”
“今天,我们继续看到这种情况——以及在未来你会看到什么——对商业房地产价值主张的颠覆。就像2020年发生的诸多事件令人难忘一样,2021年及以后的时间将说明一切,一些商业房地产公司将抓住机会,让他们的业务与使用者和最终用户更好地保持一致。”Berry相信,这些行动将让商业房地产业更加强调为业务和租户体验开发和实施结构化的数字化转型路径图,并以此实现长期竞争优势。
“我们将看到商业房地产公司通过强调体验价值并重新定位资产(例如转变人才职能——工作角色、流程和文化)来重新评估房地产的价值主张,以为未来的工作做准备并平衡业务复苏、抓住新的机会和租户和员工参与度。这可能需要结合多种因素,包括打破职能孤岛,增强领导力和组织敏捷性,加强协作以及进行透明和符合道德的决策。”Berry表示。
在他看来,虽然新冠肺炎的疫情让人大开眼界,但是德勤还是认为它只是促进了现有的趋势。
“我们认为‘目的、位置和分析’是商业房地产业价值主张的不断发展。在我们的2021年商业房地产业展望调查中,这个行业里接受调查的人当中,有56%的人表示,新冠肺炎疫情暴露了他们所在的组织在数字化能力方面的短板,只有40%的受访者表示他们的公司有明确的数字化转型路径图。”他表示,“因此,领导者们被要求在管理成本和投资未来之间走钢丝,在2021年里做出的决策将对那些开始差异化的公司产生影响,并推动不同的价值主张。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。