为什么企业要向着“AI成就者”而努力？下图是一次针对企业AI成熟度及影响的研究结果，其从宏观的角度评估了被调研企业在为客户、股东和员工实现更高回报的过程中，其AI基础和AI能力的结合情况：
虽然导致差距的具体原因和做法将会涉及到公司的具体举措，然而，这里有4种往往被忽视的行为，它们对发展AI的成熟度同样重要。
事项1：打造你的AI数据中台
大多公司面临的与AI有关的最大挑战之一，是跨平台和系统的数据激增——本地的历史遗留系统与公司日益增长的云计算系统被尴尬地混合在一起。在日常使用时，数据经常会出现诸如格式不匹配导致的无法访问等问题。而这样的问题，也会反过来限制公司在组织内推广AI技术的效果。
Poly Network攻击者将100万枚DOWS分发给四个地址，并将730万枚FLUX转至新地址:7月6日消息，PeckShield监测显示，Poly Network攻击者已将100万枚DOWS分发给四个地址，并将730万枚FLUX转移到0x6c21开头的新地址，该地址最初由Poly Network攻击者转入0.3枚ETH。[2023/7/6 22:21:05]
我们来看看AI成就者都是怎么做的——它们往往会建立起AI数据中台，即运营数据和AI平台，从而可以利用公司的人才、技术和数据生态系统，更好地平衡试验与执行的比例。在研究中也发现，AI成就者相比AI试验者，其实现数据管理治理规模化的可能性要高出33%，而实现数据管理治理规模化，正是建立强大的AI“核心”的第一步。
数据：四个钱包地址持有的BUSD占总供应量近94%:9月20日消息，IntoThe Block数据显示，BUSD的持币集中程度很高，约193.1亿枚BUSD（价值189.8亿美元）由四个钱包地址控制，占BUSD供应量的93.46%。
此外，CoinMarketCap数据显示，在所有加密货币中，BUSD市值排名第六；在所有稳定币中，BUSD市值排名第三，仅次于USDT和USDC。
据悉，9月6日，币安宣布将自动转换USDC、USDP、TUSD为BUSD。9月19日，WazirX宣布将于9月26日下架USDC、USDP和TUSD，余额将转换为BUSD。（Beincrypto）[2022/9/21 7:09:23]
另外，AI核心可以帮助企业做很多有益的事情，比如迅速将AI应用产品化、将AI整合到其他应用中等。那么如何建立AI核心？大多数的AI成就者会在确保数据可靠的情况下，将它们存储在一个单一的企业级云平台上，配以适当的使用、监测和安全策略，来充分发挥内、外部数据的作用。
动态 | 莱特币基金会董事推测LTC近四个月来一直在遭受粉尘攻击:据Ambcrypto报道，莱特币基金会董事Franklyn Richards近日发现，莱特币网络每天大约有4万个活跃地址，但是根据Bitinfocharts上的数据，这个值每7天就会升至7万左右，然后再回到正常。这一行为始于2019年8月20日。此后，每周都有一个峰值和一个急剧下降，并且这种趋势持续了四个月。此前，2019年8月10日发生了一次非常明显的粉尘攻击，他推测这可能是8月10日攻击的延续。[2019/12/15]
例如，瑞士制药巨头诺华从2019年开始便通过创建“决策中心”来拓展其AI治理和数据管理实践，为该公司的制造业务和分销点提供更实时的数据可见管理。与此同时，他们还努力完善这些技术的兼容性，最终大大提高了开发和生产药物的能力，大大节省了时间和成本。
姚前：区块链的四个优势值得重视:在清华大学区块链应用与投资论坛上，中国人民银行数字货币研究所所长姚前发表演讲，他指出：对于区块链的应用，中国人民银行的数字货币研究所一直在进行研究和跟踪。我们认为区块链的四个优势值得重视：1、数据防篡改、可溯源的安全性；2、异地多核系统，某一个节点受到攻击也不会对总系统产生扰动；3、智能合约、自动执行、强制履约机制；4、多方合作机制更加透明，而无需向第三方让渡权力，提高效率，降低成本。但这一应用也有显著的短板，主要体现在吞吐量和存储带宽之间的矛盾，以及数据隐私缺乏法律控制，难以对应到现实世界的具体各人，导致目前无法承载更多现实业务。[2018/4/26]
事项2：维持你的AI投资
对于AI成就者而言，AI投资之旅没有终点，并不存在所谓“AI峰值”。因为这种认知，AI成就者们会进入一个AI收益的良性循环，即使AI成熟度日渐提升，但随着时间推移，仍然不断投入，从而继续获得更多收益。
对于AI成就者来说，持续的投资通常会用于提升AI的影响广度，从而将影响最大化；同时，还将进一步尝试各种跨领域AI解决方案，在过程中重新部署资源。例如，某奥地利能源公司近年来在AI驱动的数字孪生技术上投入了大量资金，帮助他们更好地为维也纳市等客户服务——除去带来的其他积极影响外，该技术系统更精准地模拟出了客户对供暖和制冷服务的需求，进而估算出来企业所需要的各种举措的短期成本和长期能源节约。
事项3：培养AI方面的人才
AI成就者明白，让AI与人类员工无缝合作，是最高效的工作方式。这也是很多AI成就者更倾向于制定积极主动的AI人才战略，以保持在行业趋势前沿的原因。除了以AI为重点的招聘外，AI成就者还经常与专业公司合作或收购专业公司来填补关键职位的人才空缺，如数据或行为科学家、社会科学家和伦理学家。
AI成就者也更有可能对大多数员工进行强制性的AI培训，从产品开发工程师到高管团队都会参与其中。而且，由于他们会更侧重于提升员工AI方面的知识，他们的员工会比其他公司的同行更精通AI相关技能。
这些努力使得人类与AI的协作更容易实现规模化，并确保AI渗透到企业肌理当中。举例来说，欧洲一家大型能源公司便打造了一个“数字工厂”，帮助员工在日常工作中使用分析技术与AI洞察，同时还让数字工厂培训现场工程师使用并改进机器学习模型。该工厂还为所有管理人员提供强制的数据与AI培训，并为公司全体员工提供再培训和技能提升支持。
得益于该组织对AI人才方面的投资，其业务部门如今在启动开发的5个月内就能收到新的AI应用程序——在数字工厂建成之前，他们平均要等18个月。更长远来看，到2025年，该公司预计其数字工厂每年将使其利润增加15亿美元。
事项4：打造靠谱的AI框架
随着企业在越来越多的任务中部署AI，遵守法律、法规和道德规范正成为提升AI成熟度越来越重要的行为。事实上，能够向外展示自己拥有高质量、值得信赖且达到监管要求的AI系统，将使这些走在前列的公司在短期和长期上都获得巨大优势，从而吸引更多新客户，更好留住现有客户，并提升投资者信心。
不靠谱的AI框架，会给企业自身、客户带来许多风险。以常见的算法偏见为例。它是指根据过往偏见数据训练出来的AI也会继承这方面的偏见，所以当你的AI框架中的训练数据不够“公平”，那么AI输出的结果自然也不够准确。这种时候，公司便可以结合对数据和算法中偏见原因的研究，对AI模型进行多层级的“算法公平”评估，进而定义和应用公平性的量化措施，包括提出使算法更加公平的数据收集和建模方法。
除此之外，还可以通过不同专家的广泛合作来重新设计AI框架，从员工到设计师、数据科学家、合规专业人士和商业分析师等。将员工培训成为AI专家，这对打造可靠AI框架也至关重要。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。