甲骨文的拉里·埃里森，剛剛給所有AI公司判了死刑。

他說，你們的模型，一文不值。

不是技術不行，也不是人才不行。問題出在數(shù)據(jù)上。

ChatGPT，Gemini，Grok，Llama……所有這些模型，吃的都是同一鍋飯。

整個公共互聯(lián)網(wǎng)。每一篇維基百科，每一個Reddit帖子，每一條新聞。

結果是什么？它們正在趨同，變成貼著不同logo的同一個產(chǎn)品。

用埃里森的話說，就是“大路貨”。

真正的黃金，不在網(wǎng)上。在私有數(shù)據(jù)里。

醫(yī)院系統(tǒng)里的病歷。銀行金庫里的財務數(shù)據(jù)。財富500強公司的供應鏈機密。

猜猜這些數(shù)據(jù)，大部分都存在哪里？

不在谷歌，不在亞馬遜，也不在微軟。在甲骨文的數(shù)據(jù)庫里。

所以甲骨文出手了。

他們推出了一個叫“AI數(shù)據(jù)庫26ai”的東西。它允許所有頂級AI模型，直接在你公司的私有數(shù)據(jù)上進行推理。而且數(shù)據(jù)永遠不用離開保險庫。

他們用的是一種叫RAG的技術。AI不去“學習”你的數(shù)據(jù)，而是實時“檢索”它。

這意味著什么？

銀行可以分析它發(fā)放的每一筆貸款，而不用暴露任何一個客戶記錄。醫(yī)院可以用AI診斷病人，而不用擔心違反HIPAA法案。國防承包商能讓AI分析機密行動，數(shù)據(jù)一步都離不開安全環(huán)境。

埃里森在賭一個比GPU熱潮、比數(shù)據(jù)中心建設更大的未來。他稱之為“歷史上最大、增長最快的市場”。

數(shù)字很驚人。甲骨文的待履約收入剛剛達到5230億美元。其中3000億，來自OpenAI一家公司。

但這里有個沒人談論的危險。如果私有數(shù)據(jù)是AI真正的護城河。那么誰控制了數(shù)據(jù)庫，誰就控制了AI的未來。

這種權力集中到一家公司手里。難道不該讓每個人都感到不安嗎？

注：埃里森的以上觀點是在2025年的Oracle AI World大會上發(fā)表的。全文如下

拉里·埃里森“Oracle AI World”演講：甲骨文如何用AI重塑產(chǎn)業(yè)與未來

拉里·埃里森：

大家好。讓我看看。好的。屏幕上寫著“AI改變一切”。

這是一個相當宏大的聲明。“一切”。我認為這已經(jīng)非常接近事實了。

好的。那么，我將談一談甲骨文是如何應對這些變化的。我想，這些變化真正開始，大概是在 ChatGPT 3.0 問世之后，AI模型突然之間聽起來有點像我們?nèi)祟惲恕?/p>

好的，這項AI技術有兩個重要的發(fā)展階段。

AI的兩個階段——構建者與使用者

拉里·埃里森：

第一個階段是AI時代的曙光，即一批公司正在構建這些巨大的AI模型。實際上，你知道，現(xiàn)在的一個AI模型，所謂的“多模態(tài)AI模型”，是由多個神經(jīng)網(wǎng)絡組成的，就像你的大腦有幾個部分一樣。這其實是一個非常完美的類比。為了實現(xiàn)視覺功能，你使用大腦的一個部分；為了處理語言，你使用大腦的另一個不同部分。

在構建一個AI模型時，你使用一個不同的神經(jīng)網(wǎng)絡來處理視覺，也就是看到某個物體，看到它的邊緣、形狀、顏色，看它移動。你用一個神經(jīng)網(wǎng)絡來看見它，然后用一個完全不同的神經(jīng)網(wǎng)絡來識別它是什么，辨認它。接著，用第三個神經(jīng)網(wǎng)絡來對其進行分類、組織和利用這些數(shù)據(jù)進行推理。所以，現(xiàn)代AI系統(tǒng)和現(xiàn)代AI模型與我們的大腦非常相似，是一個多模態(tài)模型。它有多個神經(jīng)網(wǎng)絡來處理不同類型的數(shù)據(jù)，如視頻數(shù)據(jù)、文本數(shù)據(jù)、聽覺信息等等。

現(xiàn)在正在發(fā)生的是，一系列公司正在花費巨額財富，利用互聯(lián)網(wǎng)上的公開數(shù)據(jù)來訓練這些AI模型。數(shù)據(jù)量極其龐大。AI訓練，經(jīng)過幾年的發(fā)展，已經(jīng)非常明顯地成為人類歷史上規(guī)模最大、增長最快的業(yè)務。比鐵路時代更宏大，比工業(yè)革命更具影響力。我的意思是，一個全新的世界正在開啟。

首先是模型的構建，一旦這些模型構建完成，接下來就是實際使用這些模型來解決非常重要的問題，例如癌癥的早期診斷。未來還會有很多手術，其精確度和準確性將超過人類。機器人將成為比人類更優(yōu)秀的外科醫(yī)生，原因有很多你可能意想不到的有趣之處。

無論如何，AI訓練的巨大機遇已經(jīng)來臨，而甲骨文是構建用于AI訓練的數(shù)據(jù)中心的主要參與者。但是，那個真正將改變世界的、規(guī)模遠為宏大的機遇，并非模型本身的創(chuàng)造或訓練。

甲骨文的獨特角色——私有數(shù)據(jù)優(yōu)勢

拉里·埃里森：

當 我們開始使用這些卓越的電子大腦——它們確實是卓越的電子大腦——來解決人類最困難、最持久的問題時，世界才會真正改變。

現(xiàn)在，有一件非常有趣的事情，甲骨文明確參與其中。正如我之前所說，這些AI模型是基于公開可用數(shù)據(jù)——互聯(lián)網(wǎng)上的所有數(shù)據(jù)——進行訓練的。所以，如果你看ChatGPT、Anthropic、Grok等等，它們都是基于互聯(lián)網(wǎng)上的所有數(shù)據(jù)訓練的。換句話說，是公開可用數(shù)據(jù)。

但要讓這些模型發(fā)揮其最大價值，你不僅需要用公開數(shù)據(jù)訓練它們，還需要讓私有的數(shù)據(jù)也能被這些模型所用。這正是甲骨文發(fā)揮其特別重要作用的地方，因為世界上大部分高價值數(shù)據(jù)已經(jīng)存儲在甲骨文的數(shù)據(jù)庫中。我們只需要改變——而且這已經(jīng)是過去時了，我們已經(jīng)改變了——那個數(shù)據(jù)庫，使得甲骨文數(shù)據(jù)庫能夠?qū)⑵鋬?nèi)部已有的數(shù)據(jù)提供給AI模型進行推理。這樣，AI模型不僅能基于公共數(shù)據(jù)進行推理，還能基于私有數(shù)據(jù)。AI是一個不可思議的工具。

有些人認為它將取代所有人類和我們所有的努力。我認為那不是真的。它將幫助我們解決我們自己無法解決的問題。然而，它會讓我們成為更好的科學家、工程師、教師、廚師、砌磚工、外科醫(yī)生等等。我們從未制造過任何像這樣的工具。

我記得，在很久很久以前，這個大會還不叫“AI World”，而是叫“Cloud World”的時候，我曾做過一個關于AI的演講。盡管當時叫“Cloud World”，我還是被允許做一個關于AI的演講。我說，“AI是人類歷史上最重要的技術嗎？……我們很快就會知道答案?！编?，現(xiàn)在已經(jīng)很清楚了。

我認識的最聰明的人正在投入巨額財富。具體來說，他們正在用自己的財富來構建和訓練這些AI模型。這就是它們的重要性所在，這就是它們的非凡之處。順便說一句，是的，伊?。‥lon）、馬克（Mark）、山姆（Sam），按字母順序排列。他們都是非常聰明的人，非凡的人物。

有人說，你知道，這個AI的東西，也許只是個泡沫，沒什么大不了的。嗯，互聯(lián)網(wǎng)確實是件大事。我的意思是，看看互聯(lián)網(wǎng)創(chuàng)造的財富，谷歌的搜索業(yè)務似乎回報豐厚。名單上的伊隆創(chuàng)辦了PayPal，也收益頗豐。但我知道伊隆肯定一分錢都沒投給pets.com。當人們談論泡沫時，你知道什么是泡沫，人們會變得過于興奮?；ヂ?lián)網(wǎng)是一項不可思議的新技術，至今仍是計算的基礎。沒有互聯(lián)網(wǎng)，我們就不可能有AI。所以它是一項極其重要的技術。但人們開始混淆像PayPal或更好的谷歌搜索這樣的互聯(lián)網(wǎng)公司，與pets.com相提并論。我的意思是，如果我能在一個電子商務網(wǎng)站上賣寵物食品，就突然意味著我是一家互聯(lián)網(wǎng)公司了？并非如此。

所以，是的，會有人在AI上花錢，因為現(xiàn)在幾乎每家科技公司都自稱是AI公司，但它們不是。很多都不是。但就其價值而言，AI是我們迄今為止見過的價值最高的技術，遙遙領先。下一張幻燈片，謝謝。

AI的架構——從人腦到十億瓦數(shù)據(jù)中心

拉里·埃里森：

AI，有趣的是它被稱為人工智能（Artificial Intelligence），而不是人工感知（Artificial Perception）。但它確實能感知。它能聽，能聞。想想嗅覺。我的意思是，能夠捕捉到大氣中漂浮的化學物質(zhì)并弄清楚這些化學物質(zhì)是什么。狗能聞出病人身上的癌癥。我們應該能用AI做到這一點。事實上，我所知的一個項目叫做“狗鼻子”（the dog's nose），我本人也參與其中，我們正在制造能夠聞出癌癥或其他疾病的傳感器。

但是AI能夠感知，它擁有大腦中負責聽和看的部分，此外還有推理能力。它能讀懂路牌，能閱讀書頁，能看著你并認出你。它能識別正在播放的歌曲。你可以和AI對話，問它問題，或者打字輸入，AI能夠像我們一樣，用語言和數(shù)學進行非?？焖俚倪壿嬐评怼?/p>

我記得有一次在特斯拉看Optimus機器人，我很好奇這些機器人將如何學習。然后我思考了一分鐘，心想：“一個機器人要如何學會打掃你的房子、炒雞蛋或者彈吉他呢？”嗯，它只需要看一個互聯(lián)網(wǎng)視頻。它連接到互聯(lián)網(wǎng)，可以像我們一樣通過看視頻學習彈鋼琴，只不過它會快一點，因為它可以以非常高的速度播放視頻，在大約5秒鐘內(nèi)學會彈奏那首肖邦的曲子。我知道我的孩子們學鋼琴可沒那么快，因為我每天都聽他們練習，5秒鐘是絕對不可能的。

AI機器人將成為比最頂尖的醫(yī)生更出色的外科醫(yī)生。有一種非常著名的手術，由莫氏（Mohs）醫(yī)生開創(chuàng)，他會從病人的臉上切除癌變組織，并因此聞名，因為他造成的損傷最小，切除的皮膚組織最少，所以美容效果極佳。他的做法是，切下幾層皮膚，然后拿到顯微鏡下觀察，看是否已經(jīng)切到健康的細胞，即癌癥的深度。他就在手術臺和顯微鏡之間來回操作。切一點組織，用顯微鏡看一看，再切一點，再看一看。然而，AI機器人可不按常理出牌。它們的視覺，機器人上的視覺系統(tǒng)，是微觀級別的。它們不需要顯微鏡就能看到單個細胞。它們不需要顯微鏡就能分辨出癌癥組織和健康組織的邊界。它們的協(xié)調(diào)性，正是如此。它們是比我們更好的外科醫(yī)生。不是因為它們比我們更聰明，而是因為它們有更好的手眼協(xié)調(diào)能力。它們的眼睛比我們的好得多，手的精確度也比我們的高得多。所以，它們可以在一層健康細胞和一層癌細胞之間進行切割。觀看這個過程真的令人驚嘆。這會讓我們所有人都感到安心，當我們?nèi)タ瘁t(yī)生，知道他會用機器人來做手術時，手術將會是完美的。

我之前說過，但這真的非常有趣。它的構建方式就像大腦一樣，有專門的神經(jīng)網(wǎng)絡。一個用于視覺。實際上，卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network）模擬了視覺皮層，而視覺皮層有五層。它就在你的后腦勺。進化產(chǎn)生了第一層V1，僅僅是為了讓動物能夠感知到所看物體的邊緣。然后發(fā)展到V4層，用于感知顏色，以及非常著名的V5層，用于檢測運動和環(huán)境中的威脅。

視覺變換器（Vision Transformers, ViTs）接收卷積神經(jīng)網(wǎng)絡產(chǎn)生的位圖（bitmap），也就是一幅圖像，一堆像素，然后將其與你已知的事物進行比較，你就可以識別人臉和熟悉的東西。這是一個不同的部分，是一個變換器，一個ViT神經(jīng)網(wǎng)絡，用于對圖像進行整體理解和記錄。

ChatGPT的第三版使用了巨大的變換器網(wǎng)絡，實現(xiàn)了全面的語言理解和推理。唯一的缺點是，變換器網(wǎng)絡需要巨大的計算量，因此訓練這些模型需要巨額資金。因為我們早在能夠用GPT網(wǎng)絡進行語言交流和推理之前，就已經(jīng)有了面部識別技術。變換器網(wǎng)絡比其他一些網(wǎng)絡要大得多，復雜得多，正如你所想，推理會比視覺更復雜。此外，還有用于特定類型數(shù)學計算的網(wǎng)絡。

總之，它看起來很像大腦。一個功耗僅20瓦的人類大腦，真是令人驚嘆。20瓦，任何擰過20瓦燈泡的人都知道那點光亮并不多，但它足以運行860億個神經(jīng)元，并賦予你視覺、平衡、推理、語言、創(chuàng)造力、演繹和推斷的能力。你用這個不可思議的、被伊隆稱為“20瓦肉體計算機”的東西就能完成所有這些。

感知、識別，識別之后，再基于此進行推理的能力。視覺皮層就在頂葉的后下方。前額葉，如左圖所示，是一個大的語言中心。大腦是高度專業(yè)化的，AI模型也是如此。

但我們構建的不是一個20瓦的肉體計算機。我們正在構建一個12億瓦的AI大腦。你試過像惠普計算器那樣快地做乘法嗎？這些電子大腦，這些AI模型，它們的推理速度非常快，能處理大量數(shù)據(jù)，并且能得出我們從未能得出的答案。

這是一張我們正在建設的數(shù)據(jù)中心的圖片。實際上，它的一部分已經(jīng)投入運行。最終，它將擁有50萬個英偉達GPU。順便說一句，為了讓大家有個概念，12億瓦到底意味著什么？這足以為美國100萬個四居室家庭供電。一百萬。那是一個相當規(guī)模的城市了。我想我們有一個關于建設過程的視頻。

視頻旁白：

甲骨文正在德克薩斯州阿比林為OpenAI建造世界上最大的AI集群。該項目于2024年6月從一片空地開始，在不到一年的時間內(nèi)交付GPU。完全部署后，該集群將包含超過45萬個英偉達GB200。電力由電網(wǎng)電力和現(xiàn)場天然氣渦輪機組合提供。容量分布在占地1000英畝的八個獨立建筑中，所有建筑相互連接以支持單一工作負載。該站點部署了AI加速器、液體冷卻和網(wǎng)絡方面的最新技術。每天有超過3500人在現(xiàn)場工作，以前所未有的速度交付容量。對AI的需求持續(xù)超過供應，甲骨文致力于交付最大、最先進的AI集群，以支持我們?nèi)虻目蛻簟?/p>

拉里·埃里森：

嗯，這可比我在大學臥室里寫代碼的時代走得遠多了。發(fā)生了什么？我完全不知道。好的。

好的。所以，我們正在訓練，我們?yōu)橐谅∮柧毩薌rok的第一個版本。我們正在訓練許多其他的多模態(tài)AI模型。幾乎所有這些AI模型都在甲骨文云上，我稍后會再談到這一點。但我們參與訓練的多模態(tài)AI模型可能比任何其他公司都多。這非常令人興奮，也令人望而生畏。我的意思是，我們正在運行的這些項目的規(guī)模，不僅僅是構建GPU網(wǎng)絡、機房和網(wǎng)絡、冷卻系統(tǒng)等等。順便說一句，那部分本身就已經(jīng)很難了。但現(xiàn)在我們還必須建造輸電廠。有一條天然氣管道通往燃氣輪機，啟動渦輪機發(fā)電。然后這些電力必須輸送到數(shù)據(jù)中心。所以這涉及到發(fā)電、天然氣管道、電力傳輸、數(shù)據(jù)中心、網(wǎng)絡。而這些數(shù)據(jù)中心里充滿了大量復雜的軟件和許多非常聰明、勤奮的工程師。這些都是巨大的工程項目，每一個都是。

自動化整個生態(tài)系統(tǒng)：醫(yī)療健康革命

Cerner現(xiàn)代化——AI驅(qū)動開發(fā)的案例研究

拉里·埃里森：

我們正在構建的是這些多模態(tài)神經(jīng)網(wǎng)絡，它們基于所有類型的數(shù)據(jù)進行訓練：文本數(shù)據(jù)、圖像數(shù)據(jù)、音頻、視頻，每一種公開可用的數(shù)據(jù)，外加我們用來訓練模型的合成數(shù)據(jù)。

有些模型被設計成實時的。實際上，谷歌有兩個模型，一個是Gemini，一個是DeepMind。DeepMind高度專注于分子結構，去年DeepMind憑借其在蛋白質(zhì)折疊方面的研究贏得了一項諾貝爾獎。它解決的是這樣一個問題：取一個你了解其化學式的蛋白質(zhì)分子，也就是一條氨基酸鏈，當它折疊起來不再是一條線，而是一個三維結構時，它看起來是什么樣子。這個問題我們已經(jīng)研究了很長時間，叫做蛋白質(zhì)折疊。他們用谷歌收購的倫敦DeepMind公司的模型解決了這個問題。

伊隆有兩個截然不同的AI模型。一個是Grok，一個多模態(tài)AI模型。另一個是特斯拉，是一個實時模型。實時模型與比如生成代碼的Anthropic或解決法律、醫(yī)療問題的ChatGPT有一些不同的特性。如果你在駕駛汽車，事情發(fā)生得非常快。是的，你必須有視覺，車上到處都是攝像頭。但如果發(fā)生什么事，你可能需要在微秒，或者至少是毫秒內(nèi)做出反應。一毫秒，也就是千分之一秒。一個球突然從路邊滾出來，一輛自行車跟著球沖出來。你必須看到它，理解發(fā)生了什么，并采取規(guī)避行動，以避免事故和人員受傷。當你無法承受網(wǎng)絡延遲，無法通過網(wǎng)絡與遠方的AI模型通信時，你就必須用不同的方式構建系統(tǒng)。你需要一個非常非常低延遲的響應時間。這就是為什么所有的特斯拉汽車、所有的特斯拉機器人都必須在車內(nèi)、在機器人內(nèi)部署本地計算能力，以便做出即時、低延遲的決策。

這與編寫代碼不同。我可以告訴你寫什么代碼，你可以花點時間思考一下再給出答案。所以實時模型與那些不需要實時響應的模型有些不同，后者你有時間去推理和計算你的答案。但這兩種模型都非常重要，也都在被構建中。

這些模型進行多步推理。我現(xiàn)在稱之為“推理”的東西，不久前還被稱為“推斷”（inferencing）。人們會說，我們要訓練模型，然后在使用模型時，模型所做的推理，我們把它簡化為僅僅是推斷。在早期，模型做的差不多就是推斷。但現(xiàn)在不再是了。它們像我們一樣推理。它們進行演繹、推斷、計算，它們有策略、有規(guī)則。所有我們使用的推理技巧，它們都能模擬和使用，但它們思考得比我們快得多，解決問題的速度也比我們快得多，或者它們能解決我們根本無法解決的極其復雜的問題。這就是為什么這如此令人興奮，如此具有巨大價值。

這些模型可以回答你的問題。它們可以生成計算機代碼。甲骨文正在編寫的很多代碼，其實不是甲骨文寫的，是我們的AI模型寫的。我們只是告訴模型我們希望程序做什么，然后AI會想出一個逐步實現(xiàn)的過程。我們不寫過程，我們聲明我們的意圖，但模型會編寫那個我們通常認為是計算機程序的、一步步的流程。它們診斷醫(yī)學影像的能力遠超我們。它們能設計出我們設計不出的藥物。

但是，這些模型有一個很大的問題。那就是，模型不會用你的私有數(shù)據(jù)進行訓練，因為出于某種原因，人們希望保持他們私有數(shù)據(jù)的私密性，這一點不會改變。但人們也希望這些模型能對他們的私有數(shù)據(jù)進行推理。就像魚與熊掌兼得。我想保持我的數(shù)據(jù)私密，不想與任何人分享。然而，我希望能用這個極其強大的工具來對我的私有數(shù)據(jù)進行推理。

這正是甲骨文一直致力于解決的重大問題之一。我們本周在拉斯維加斯要討論的一個新東西，就是Oracle AI數(shù)據(jù)平臺、Oracle AI數(shù)據(jù)庫。有趣的是，這個AI數(shù)據(jù)平臺包含了你所選擇的多模態(tài)模型。哇哦。一個你選擇的多模態(tài)模型。好的，這太棒了。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。我們會把你選擇的模型不僅連接到公共數(shù)據(jù)——模型已經(jīng)連接到公共數(shù)據(jù)了，那部分已經(jīng)完成——我們還讓你能夠?qū)⒛愕乃接袛?shù)據(jù)添加到模型的知識庫中。這樣，模型不僅可以跨公共數(shù)據(jù)推理，也可以跨私有數(shù)據(jù)推理，同時保持你私有數(shù)據(jù)的私密性，不與任何人分享。這非常非常重要。而且，要以一種高度安全的方式做到這一點并不容易。如果容易的話，很多人早就做到了。

好的。正如我所說，OCI（Oracle Cloud Infrastructure）包含了所有流行的多模態(tài)模型。你可以自由選擇和搭配。我們有AI數(shù)據(jù)庫和AI數(shù)據(jù)平臺，讓你能將私有數(shù)據(jù)添加到模型中。

事實上，這次我要說得更精確一點。它真正做的是，這個技術叫做RAG（Retrieval-Augmented Generation，檢索增強生成）。你基本上是取一堆模型沒有被訓練過的數(shù)據(jù)。順便說一句，這可能是今天的股價。模型不知道今天的新聞，也沒有基于今天的新聞進行訓練。模型也沒有基于今天的股價進行訓練。但模型知道去哪里查找，它知道如何查詢今天的股價，獲取最新的報價。你只需將這些信息放入一個模型可以訪問的數(shù)據(jù)庫中。你把你的私有數(shù)據(jù)放入一個甲骨文數(shù)據(jù)庫。新的甲骨文數(shù)據(jù)庫被稱為AI數(shù)據(jù)庫，不僅僅是因為AI很時髦，而是因為它具備這種RAG能力。它能夠?qū)⒓坠俏臄?shù)據(jù)庫中的任何數(shù)據(jù)，通過“向量化”處理，使其能被AI模型訪問。

由于你的很多數(shù)據(jù)已經(jīng)存在于甲骨文數(shù)據(jù)庫中，你只需要請求甲骨文數(shù)據(jù)庫將這些數(shù)據(jù)轉(zhuǎn)換成模型能理解的格式，也就是所謂的“向量”格式。然后甲骨文數(shù)據(jù)庫就會將你希望提供給模型的任何數(shù)據(jù)進行向量化，然后你就可以基于這些數(shù)據(jù)進行推理了。

順便說一句，這不僅僅是甲骨文數(shù)據(jù)庫中的數(shù)據(jù)。Oracle AI數(shù)據(jù)庫可以向量化的，不只是它自身內(nèi)部的數(shù)據(jù)。比方說，你在OCI對象存儲或亞馬遜對象存儲中有很多數(shù)據(jù)，你想讓Oracle AI數(shù)據(jù)平臺上的模型能夠訪問這些數(shù)據(jù)。沒問題。甲骨文數(shù)據(jù)庫可以進入OCI對象存儲，對其中的數(shù)據(jù)進行向量化并創(chuàng)建所謂的“向量索引”。它也可以進入亞馬遜云存儲，對其中屬于你的部分數(shù)據(jù)進行向量化，使其能被多模態(tài)模型用于推理。所以，你并不局限于數(shù)據(jù)庫中的數(shù)據(jù)。甲骨文數(shù)據(jù)庫可以向量化任何在甲骨文數(shù)據(jù)庫、其他數(shù)據(jù)庫或其他云中的數(shù)據(jù)，并使這些數(shù)據(jù)易于被AI模型訪問以進行推理。

愿景——超越醫(yī)院的圍墻

拉里·埃里森：

這種推理能力非常迷人。甲骨文做的第一個項目，就是將私有數(shù)據(jù)提供給AI模型訪問。我們把我們所有的客戶數(shù)據(jù)進行了向量化，并使用RAG技術讓模型可以訪問它們。

我們從客戶數(shù)據(jù)開始，因為我們認為沒有什么比我們的客戶更重要?，F(xiàn)在，一些憤世嫉俗的人可能會說，沒有什么比我們的客戶更有價值，但這兩者是相輔相成的。我們想問一些我們認為價值極高的問題。有一個整個行業(yè)叫做“客戶關系管理”（CRM），哦不，現(xiàn)在不叫這個了，他們改名叫“客戶體驗管理”（CX）。不管叫什么，我們知道問題是什么。

所以，我們在甲骨文內(nèi)部運行了這個項目，將我們的私有客戶數(shù)據(jù)放入甲骨文數(shù)據(jù)庫，進行向量化，并使用RAG使其能被一個多模態(tài)AI模型訪問。然后我們問了這個問題：

“未來六個月內(nèi)，哪些甲骨文客戶可能會購買另一款甲骨文產(chǎn)品？”

現(xiàn)在，為什么這個問題對我們?nèi)绱酥匾?/p>

“具體來說，每一個將在未來六個月內(nèi)購買產(chǎn)品的客戶，你介意告訴我他們會買什么產(chǎn)品嗎？”

“他們最有可能購買什么？”

還有一件事，順便說一句，這東西不只是回答問題。你可以提問，得到答案，但你也可以通過“代理”（agents）讓它做事。你可以創(chuàng)建一些小程序，有時還不小，然后讓AI去實際執(zhí)行某些操作，協(xié)調(diào)某個流程。然后我們說：“好的，給所有潛在買家發(fā)一封郵件，附上三個最佳客戶推薦，鼓勵他們購買?！?/p>

這個請求需要生成一個名為“AI代理”的計算機程序。這個代理必須弄清楚，好的，你打算買這個產(chǎn)品，你是一家瑞士的銀行。那么，我們認為最好的推薦就是那些已經(jīng)購買了該產(chǎn)品的瑞士銀行。這對你來說是最好的推薦。所以，所有的推薦都會根據(jù)我們對你作為客戶的了解以及你所處的具體情況——你的行業(yè)、你擁有的產(chǎn)品、你與之關系良好的其他銀行——進行定制?？傊?，它能如此迅速地解決這樣的問題，告訴我們甲骨文的銷售團隊在未來六個月應該重點關注誰，這真是太神奇了。

那個應用程序，那個AI代理……如果我能退回一張幻燈片。好的。最后一行，“給潛在買家發(fā)一封郵件，附上三個最佳推薦”。僅從這一行文字，我們就能生成一個AI代理來妥善地完成這項工作。你可以生成AI代理，或者如果你想做得更多一點，你可以更精確，添加更多你想要做的事情，比如你想給他們發(fā)什么樣的信，讓代理變得更強大。這實際上就是我們所做的。

順便說一句，我不知道你是否聽過這個詞，我第一次聽到時覺得有點奇怪，“Vibe Coding”（憑感覺編程）。聽起來很Z世代。就是說出你希望程序做什么，生成原型，然后試用一下。不要想得太復雜，就是憑感覺來。但實際上，你可以用英語直接生成計算機程序。我個人曾和甲骨文的其他工程師爭論過，使用英語作為編程語言是否是個好主意，因為英語是出了名的不精確。如果我們想生成程序，創(chuàng)建一個定制的、高度精確的聲明式語言不是更好嗎？這正是我們在甲骨文使用Apex所做的。我們?yōu)锳pex添加了一種聲明式的AI生成語言來創(chuàng)建應用程序。但外面還有很多人仍在使用英語，那也行。這取決于你，我們不為你做決定。我們只是確保你有選擇。

但甲骨文現(xiàn)在創(chuàng)建的大多數(shù)新應用程序，都是生成的代理，而不是手寫的，它們通過工作流連接起來。有趣的是，當我們生成這些應用程序時，它們沒有任何安全漏洞，因為應用程序生成器不會忘記或遺漏東西，不會犯那種錯誤。我們生成的每個應用程序都是無狀態(tài)和可靠的。換句話說，如果運行該應用程序的計算機突然崩潰、斷電或發(fā)生任何意外，該應用程序可以立即在另一個數(shù)據(jù)中心重新啟動，因為它沒有狀態(tài)。即使它在A地停止運行，它也會在B地無縫銜接，不丟失任何數(shù)據(jù)，客戶也完全察覺不到。所以，當你生成這些應用程序時，它們內(nèi)置了備份、無單點故障、可靠性、安全性和可擴展性。很多低代碼應用編程語言是為部門級應用設計的，可能只適用于二三十個用戶，之后就會變慢，因為它們不是為擴展到數(shù)百萬用戶而設計的。但因為我們是生成的，設計總是一樣的。我們總是為數(shù)百萬用戶設計，即使只有五個用戶，它也會運行得更快，使用更少的資源。

我們從中獲得的生產(chǎn)力提升，是我們對我們在醫(yī)療健康領域的努力感到如此自信的原因之一。我們可以重建Cerner的代碼庫。我們可以使用AI重建整個Cerner代碼庫，構建一個現(xiàn)代化的、通過生成方式創(chuàng)建的Cerner版本。我們已經(jīng)完成了所有診所運營的代碼。明年，我們將完成所有急癥醫(yī)院的代碼。Cerner花了超過四分之一個世紀編寫的所有東西，我們將在三年內(nèi)重寫完畢。而且我們的版本功能遠超他們以往的任何版本。我們處理這個問題，不僅僅是自動化一家醫(yī)院或診所，而是自動化整個生態(tài)系統(tǒng)。當你使用這些不可思議的AI工具時，你就能獲得如此巨大的生產(chǎn)力提升。

報銷AI代理——戰(zhàn)略實踐

拉里·埃里森：

重建Cerner的例子很有趣，因為我們做的遠不止于此。是的，我們正在重建Cerner，但我們也在為醫(yī)院構建專為醫(yī)院設計的會計系統(tǒng)、人力資源系統(tǒng)。醫(yī)院非常特殊，他們有點像50/50的零工經(jīng)濟，人員進出頻繁。很多護士可能在這家醫(yī)院工作，也可能為私人病患工作，他們的日程安排很靈活。你不知道周一需要多少護士或醫(yī)生，這取決于當天的病人數(shù)量和手術室的可用情況。

所以，醫(yī)院的人力資源系統(tǒng)非常不同且復雜。醫(yī)生、護士和其他衛(wèi)生專業(yè)人員需要獲得很多認證才能進行某些測試、程序或處理某些病人。我們的人力資源系統(tǒng)必須處理這些認證，安排培訓，安排他們的工作時間。他們經(jīng)常換班，需要靈活處理。在他們加班時要正確支付薪水，同時也要理解他們可能這周在這里工作兩天，在那周的另外四天在另一家醫(yī)院工作。

所以我們正在構建人力資源系統(tǒng)、會計系統(tǒng)和銀行系統(tǒng)。接下來這個可能會讓你驚訝，然后我再舉我的例子。我們還在構建迎合醫(yī)院需求的銀行系統(tǒng)，根據(jù)醫(yī)院的應收賬款為它們提供貸款。

下面我將描述一個AI代理。我們的目標不僅僅是像Cerner或其他競爭對手那樣自動化醫(yī)院和診所。我們認為，遵循伊隆·馬斯克的原則，如果我們想在醫(yī)療健康領域真正成功，我們不能只自動化醫(yī)院和診所。我們必須自動化整個生態(tài)系統(tǒng)。就像伊隆必須為特斯拉建立一個全球充電網(wǎng)絡，否則電動汽車就無法成功。他不能只造車，然后指望標準石油公司提供燃料。福特當年就是這么做的。不，要造電動汽車，他不僅要設計汽車、制造電池、在工廠里部署機器人、想出如何在網(wǎng)上賣車，他還必須建立一個全球充電站網(wǎng)絡。他必須構建一個完整的電動汽車生態(tài)系統(tǒng)。

如果我們想自動化醫(yī)院和診所，而那些監(jiān)管這些機構的人、那些預約或接收血檢結果的病人沒有被自動化，那么這些醫(yī)院和診所的效率就不會很高。你必須自動化病人、提供者、支付方、監(jiān)管者、制藥公司、為醫(yī)院融資的銀行以及政府。你必須自動化整個生態(tài)系統(tǒng)。這樣你才能得到一個真正現(xiàn)代化、高效的醫(yī)療健康系統(tǒng)。這就是我們收購Cerner作為第一步時的目標。

無論如何，我們構建過的最有趣的AI代理之一，是連接醫(yī)療服務提供者和支付方的。這是一個非常有趣的問題，我花了一段時間才完全理解。我們希望醫(yī)院做什么？醫(yī)院必須弄清楚能給這個病人提供的最佳可能護理是什么。

這在某種程度上是對的。但假設你在英國，最佳護理方案是，你血糖高，我得給你開Ozempic或另一種GLP-1藥物。但猜猜怎么著？英國的國民健康服務（NHS）不支付Ozempic的費用。他們不會為你報銷，而且它非常昂貴。那么，有沒有其他藥物可以幫助你控制血糖水平？有。其中一些效果好嗎？是的，那些藥效果不錯。NHS會為那些藥報銷嗎？是的，會。所以，當你在英國自動化一家醫(yī)院時，你實際上是在與醫(yī)生合作，找出能夠被完全報銷的最佳可能護理質(zhì)量。

這兩件事是緊密耦合的。所以，給一個在英國負擔不起Ozempic的病人開這個藥是毫無意義的，因為他們的保險公司，也就是政府，不支付費用。這是今天的事實。所以我們必須構建一個能在美國、英國和世界各地都適用的系統(tǒng)來解決這個問題。我們的目標是：獲得能夠被完全報銷的最佳可能護理。

我們構建的AI模型首先使用RAG來訪問最新的醫(yī)學文獻、你最新的檢測結果、電子健康記錄（EHR）、生命體征以及所有的血液檢測信息，以協(xié)助醫(yī)生制定最佳的護理方案。我們還需要知道一些事情，比如，有一個針對這種特定癌癥的新臨床試驗，適用于這位病人，醫(yī)生應該考慮讓病人加入。所以，AI模型會掌握所有關于臨床試驗的最新信息，比如哪種藥物對這位病人效果更好，并將這些信息提供給醫(yī)生。

然后，AI模型也使用RAG來訪問最新的規(guī)則和政策。在美國，這些就是保險政策和規(guī)定，取決于你有什么保險。你有Medicare嗎？你有Medicaid嗎？你有補充保險嗎？我必須弄清楚哪些是承保的，你能得到什么報銷。我真正要找的是這兩個集合的交集：什么是最佳護理，什么是可以完全報銷的。所以我必須用所有的保險規(guī)則來訓練模型，以確保醫(yī)生開的處方能被完全報銷。我還要留意一些小問題。比如，實際上，在英國，如果你的身體質(zhì)量指數(shù)（BMI）超過某個點，我確實會為Ozempic報銷。我必須確保醫(yī)生知道這一點，并且我可以告訴醫(yī)生，這是一個例外情況，這位病人有資格使用Ozempic，因為他們的體重超過了某個閾值，而剛剛修改的規(guī)則說他們現(xiàn)在可以得到了。

所以，AI代理會利用所有這些數(shù)據(jù)進行推理，提出在可實現(xiàn)的最高報銷水平下的最佳護理方案。這就是它的目標。在世界上大多數(shù)地方，政府是醫(yī)療費用的支付方。

還有最后一件事，我們經(jīng)歷過這樣的例子。世界上很多診所和醫(yī)院，包括在美國，手頭現(xiàn)金都不多。如果他們沒有按時收到報銷款，有時就無法為新病人提供護理。他們總是缺錢。AI代理在這里可以做的是，向銀行提供關于某批報銷的所有信息，向銀行保證這些報銷都遵守了所有規(guī)則，診所和醫(yī)院確實會得到報銷，比如99%或95%的概率。銀行可以打一點折扣，然后基于這些應收賬款提供貸款。

所以，當你審視醫(yī)療健康生態(tài)系統(tǒng)時，會發(fā)現(xiàn)這是一系列非常迷人的問題。它的財務方面，運營成本非常高。有很多行政任務我們可以用AI自動化，讓病人能花更多時間與關心他們病情的醫(yī)生在一起。我們可以找出如何獲得最高的可實現(xiàn)報銷，如何讓醫(yī)院獲得繼續(xù)運營所需的現(xiàn)金。但這一切都是通過自動化完成的。醫(yī)生和護士的時間可以更有效地用在病人身上。正如我所說，AI將使我們所有人的生活變得更好。

展望AI驅(qū)動的未來

改變?nèi)粘Ｉ睢踩?、健康與食品

拉里·埃里森：

甲骨文云非常與眾不同。簡單來說，甲骨文做的是基礎設施和應用。我們做規(guī)?；钠髽I(yè)應用和規(guī)模化的AI基礎設施，我們是唯一一家這樣做的云服務商。其他大的云服務商——微軟、亞馬遜和谷歌——他們真的不做醫(yī)療健康應用、企業(yè)應用、大型金融應用。他們不做這些。換句話說，他們開發(fā)AI技術，谷歌是這樣。但他們不構建大型規(guī)?；瘧?，不去嘗試用這項技術自動化行業(yè)或生態(tài)系統(tǒng)。

所以我們的目標與其他云服務商不同。我們既是AI技術的創(chuàng)造者，也是利用該技術解決不同生態(tài)系統(tǒng)、不同行業(yè)問題的參與者。我們顯然在訓練AI模型方面規(guī)模巨大。我們云中有許多模型，有些是我們訓練的，有些不是，供你使用來解決你的問題，讓你能基于你的私有數(shù)據(jù)進行AI推理，解決你公司想解決的問題。

我們有AI代碼生成器。Anthropic最出名的就是代碼生成。我們做這個已經(jīng)很久了。我們認為我們新的Apex代碼生成器……有一點我可以肯定地說，Apex生成的每一個應用都是可擴展、安全、可靠的。每一個。我們這樣做已經(jīng)很久了。現(xiàn)在我們用AI和Apex進行完整的代碼生成。我們是唯一一家構建應用套件來現(xiàn)代化整個生態(tài)系統(tǒng)而不僅僅是行業(yè)的公司。醫(yī)療健康是一個例子，公用事業(yè)是另一個。我們正在著手改造整個生態(tài)系統(tǒng)，這使得事情運行得更有效率。

鏈條的強度取決于其最薄弱的一環(huán)。如果你必須與一個監(jiān)管機構互動，比如一個負責臨床試驗的監(jiān)管機構，而它說：“好的，一旦你完成了臨床試驗，把所有結果打印出來，用紙箱寄給我們?！蔽也稽c名，但這種事在世界各地都在發(fā)生。這使得新藥變得極其昂貴，上市時間也極長。這是一個巨大的問題。所以你必須以自動化整個生態(tài)系統(tǒng)為目標。然后是代理，你必須構建這些復雜的流程，這些被稱為AI代理的軟件機器人，它們不僅自動化公司內(nèi)部的流程，還自動化公司之間的流程。比如一家公司如何與另一家公司對話，一家醫(yī)院如何與一家銀行對話。

好的。好了。這是我演講的第一階段。我們馬上要上晚餐了。

（笑聲）

我來得晚一點就是為了這個，這樣我們一結束就可以直接去吃晚餐。

好的。所以，我剛才深入探討了AI模型是如何工作的，它們是如何構建的，甲骨文有何不同?，F(xiàn)在我想展望一下，因為AI，世界將會變成什么樣。我認為，總的來說，我們將過上更好的生活，更健康、更長壽，吃更好的食物，住更好的房子。這應該是一個好得多的世界，因為這些工具極其強大。但它們會做的一些事情，會有點令人震驚。

好的。這些是我們正在做的一些事情。我們可以逐一來看。我們正在研究生物識別技術，可以用AI防止身份盜竊。所以，不再有登錄，不再有會被盜的密碼，不再有入侵，不再有數(shù)據(jù)被盜，不再有信用卡被盜用后你得換新卡。我們可以讓所有信用卡都防盜刷，如果你想要的話。

我不知道有誰喜歡待在醫(yī)院里。醫(yī)院也發(fā)現(xiàn)，越早讓你出院，對他們也越好，因為一些最厲害的病菌就潛伏在醫(yī)院的走廊里。我們越快讓你回家，病人更高興，你在家也更安全。所以我們可以構建這些物聯(lián)網(wǎng)醫(yī)療設備，在家里監(jiān)控你，就像在醫(yī)院里一樣好。即使在緊急情況下你被轉(zhuǎn)運，救護車也始終保持連接。所以，你在家的病人始終被醫(yī)院工作人員監(jiān)控。在救護車里的病人，醫(yī)院工作人員也能通過音視頻和數(shù)字連接與救護車保持聯(lián)系。

診斷影像，當AI來解讀時……我記得有一次我把摩托車騎翻了。別問我當時在干什么，而且我當時也不年輕了，連這個借口都沒有?？傊?，我右側著地，斷了八根肋骨。我記得做核磁共振（MRI）時，他們在數(shù)：一、二、三、四?！澳銈冊诟陕?？”“在數(shù)你斷了多少根肋骨?！迸叮昧?。但我做的是MRI，他們唯一做的就是數(shù)我斷了的肋骨。MRI產(chǎn)生了所有其他數(shù)據(jù)，但沒人看。你做這類掃描時總是這樣，你只找一兩樣東西，其余的都忽略了。AI會發(fā)現(xiàn)那些沒人尋找的東西。而且它就是更精確、更準確。

身份盜竊。我們之前說過，AI知道你是誰，它能識別你的臉、你的聲音、你的指紋。當你登錄時，你坐在電腦前說：“嗨，Sephra，今天想做什么？”密碼這東西太瘋狂了。密碼會被盜，人們會把它們寫下來。你的密碼必須是17個字符長，至少有兩個下劃線連在一起。你瘋了嗎？誰會覺得這是個好主意？我能記住的唯一方法就是把它寫下來，貼在電腦旁邊的便利貼上。這簡直是白癡行為。所以，不要密碼。所有都是生物識別。這對每個人都更好，數(shù)據(jù)隱私也更好。

信用卡，如果你想要，我們會有可選的生物識別信用卡。這樣就很難模仿別人了。這將極大地減少信用卡欺詐。銀行要為所有的信用卡欺詐買單。如果銀行不用支付這筆錢，你的利率就會下降。這對每個人都有好處。能省很多錢，并保護你的數(shù)據(jù)隱私。

病人監(jiān)護，我提到了。我們將擁有這些低成本的、極好的醫(yī)療設備，我們可以大規(guī)模生產(chǎn)，質(zhì)量更高。所有醫(yī)療設備都應該連接到互聯(lián)網(wǎng)，數(shù)據(jù)應該進入一個安全的數(shù)據(jù)庫，只有你和你的醫(yī)生，或者監(jiān)控你護理的衛(wèi)生專業(yè)人員可以看到。你可以保持它的私密性，但你的醫(yī)生可以立即訪問這些數(shù)據(jù)。如果你的醫(yī)生設置了警報，比如你的血壓低于或高于某個閾值，他們會希望立即得到通知。這一切都可以做到。你將在家里、在救護車里，無論在哪里，都得到更好的健康監(jiān)護。

當在家和急診室之間轉(zhuǎn)移時，急診室的醫(yī)生可以和救護車上的急救人員通話。信不信由你，我們正在建造一輛這樣的救護車。我們正在建造這些原型。我們會大規(guī)模生產(chǎn)救護車嗎？我不知道。如果幾年前你告訴我我們會在建十億瓦的發(fā)電廠，我會說你需要多休息。但現(xiàn)在，是的，我們正在考慮做這個，因為救護車是聯(lián)網(wǎng)的，裝載了AI，是運送病人的一種更安全的方式。

診斷影像。我妻子懷孕時，我們住在夏威夷。她去做超聲波檢查，技術員做了兩件瘋狂的事。一是他拿了把尺子，在超聲波屏幕上測量胎兒的發(fā)育情況，量頭骨多大，脊髓多長。我說：“哇，哇，哇。那是在用二維的尺子測量一個漂浮在液體里的三維形狀?！蹦汩_玩笑嗎？誰會覺得這是個好主意？計算機應該能用AI非常精確地做到這一點。然后情況變得更糟，技術員在拉奈島，而醫(yī)生在檀香山，她舉起她的iPhone對著超聲波屏幕，好讓醫(yī)生看到胎兒的圖像。哦我的天，你不能把這個高分辨率錄下來然后數(shù)字傳輸嗎？你在用FaceTime直播這個圖像？這到底是怎么回事？我記得我對那個技術員說：“我保證會解決這個問題。這太糟糕了?！钡斎唬肁I的三維視覺，我們可以精確測量超聲波上的胎兒發(fā)育情況，發(fā)現(xiàn)醫(yī)生沒在找的東西。我們現(xiàn)在的一個合作伙伴，可以查看腫瘤活檢切片，在幾分鐘內(nèi)從圖像中診斷出癌癥。而整個流程可能需要一兩個星期的擔憂和等待，期間無法治療。AI將讓我們能非?？斓氐玫浇Y果。

應對全球挑戰(zhàn)——氣候與農(nóng)業(yè)

拉里·埃里森：

這非常有趣。這是我們正在研發(fā)的一種設備，叫做宏基因組檢測設備。

我們識別病原體的能力。當有人生病時，我們有一種叫做PCR的檢測方法。如果我們懷疑你得了甲型流感、乙型流感、這種冠狀病毒或COVID-19，我們可以檢測一系列已知的呼吸道病毒。但如果你得了一些奇怪的病，結果只會顯示PCR陰性。我們不知道是什么。我們真正想做的是對此進行基因組檢測。但在做基因組檢測之前，我們必須培養(yǎng)它，等上好幾天，可能要一兩個星期才能知道你得了什么。到那時，要么病好了，要么你人沒了。

這是一種新的傳感器，它能直接對樣本中的所有東西進行基因測序。你取一份血液樣本，里面顯然有你自己的基因。在你自己的基因中，包含著一種叫做ctDNA，即循環(huán)腫瘤DNA的東西。所以，在每個人的血液中，如果你有癌癥，即使是早期的一期或二期癌癥，你血液中也會有微小的循環(huán)腫瘤DNA片段，我們可以通過對血液中所有活體進行基因測序來發(fā)現(xiàn)。過去人們嘗試利用循環(huán)腫瘤DNA，但問題在于，你的免疫系統(tǒng)會治愈很多癌癥，而你甚至都不知道自己得過。在你有癥狀之前，免疫系統(tǒng)就已經(jīng)清除了很多癌癥。如果我們一直告訴你：“天哪，我們發(fā)現(xiàn)了這個癌癥，需要開始治療?！钡珜嶋H上并不需要，你的免疫系統(tǒng)會處理掉它。所以假陽性在這里是致命的。然而，現(xiàn)在有了AI，我們可以分析這些片段，區(qū)分假陽性和需要立即早期治療的真正嚴重問題。這有望為我們帶來非常早期的癌癥診斷，大家都知道，這會大大提高癌癥治療的積極結果的可能性。

它還能讓我們找到你感染的任何細菌、真菌、病毒，任何活的有機體，任何病原體，并準確告訴你它是什么，即使是像COVID-19那樣的新型病毒。這樣我們就知道如何治療。它會告訴你該病原體是否對某些抗生素有耐藥性，具體是哪些，以及我們應該用哪些抗生素來治療你。

想象一下，這種低成本設備被部署在世界各地醫(yī)院的病理科。我們做一個血檢就能發(fā)現(xiàn)你感染的任何病原體。如果我們有這個，我們就絕不會被COVID-19打個措手不及。我們會得到早期預警。這些宏基因組測序儀將是流行病的完美早期預警系統(tǒng)，這就是我們研發(fā)它的原因。

要可靠地制造所有這些醫(yī)療設備，如果你想把宏基因組測序儀部署到世界各地的每家醫(yī)院，它們不能賣一百萬美元，也不能賣十萬美元。你必須經(jīng)濟高效地制造它們，必須在機器人T廠里大規(guī)模生產(chǎn)。這樣你能得到更高的質(zhì)量和顯著降低的成本。

視頻旁白：

這是一個圓盤，你把樣本放入圓盤，旋轉(zhuǎn)它，在上面進行所有這些測試。

拉里·埃里森：

實際上，我認為那個視頻有三分鐘長，但Maddie告訴我絕不能把整個視頻放進我的演講里。但這真的很了不起，在設備和圓盤被制造出來時，房間里沒有任何人。

這里是另一個。你們會很高興這個沒有視頻，只有幾張照片。在室內(nèi)種植，可以將種植食物所需的水量減少90%。這本身就至關重要，因為我們的食物快要不夠了。到2050年，非洲將成為我們?nèi)丝谧疃嗟拇箨憽Ｎ覀冃枰a(chǎn)比現(xiàn)在多得多的食物。我們的水和可耕地都將耗盡。我們不能再繼續(xù)把棲息地變成農(nóng)田。我們必須更高效。

通過在溫室里種植并移動植物，我們可以大大減少用水和空間。植物只在收獲前的幾周需要大量空間。如果你能移動植物，就能節(jié)省棲息地。如果在室內(nèi)種植，可以在城市中心附近。我不是建議你在紐約市中心建個溫室，但可以在離紐約50英里的地方建。這樣，運輸食物到人口中心的二氧化碳排放會大大減少，食物也更新鮮。溫室里每天早上都有收獲，下午送到雜貨店，晚上就可以吃了。所以食物更新鮮、成本更低、更有營養(yǎng)、更美味。我們正在建造這些機器人溫室。

（展示溫室圖片）

是的，這是真的。正如我向伊隆指出的，這也是一個火星棲息地。這個建筑非常大。那個黃色的東西是一個軌道系統(tǒng)，用來移動植物。人類不允許進入種植區(qū)，因為會污染環(huán)境。我們把植物吊起來移到允許人進入的收獲區(qū)。種植區(qū)二氧化碳含量非常高，對植物好，但對人不好。

（展示另一張溫室圖片）

這些建筑很大。綠色的區(qū)域是收獲區(qū)。

這可能會令人震驚。我們做的第一件事，是一家我參與的公司叫Wild Bio，他們改造了小麥植株，使其每英畝的糧食產(chǎn)量增加20%。這似乎是個好主意。有趣的是，如果你每英畝多生產(chǎn)20%的糧食，小麥基本上是利用二氧化碳和陽光來制造食物。所以你種的糧食越多，消耗的二氧化碳就越多。

有了AI設計的小麥，這些二氧化碳最終去向哪里，實際上取決于我們。我們可以選擇將吸收的二氧化碳轉(zhuǎn)化為碳酸鈣。這正是珊瑚礁的形成方式。我們可以讓小麥、玉米、大豆將二氧化碳轉(zhuǎn)化為碳酸鈣，從而將其永久地從大氣中移除。所以，如果你想把大氣中二氧化碳的濃度從目前的百萬分之440降低到百萬分之400，你可以通過讓農(nóng)作物這樣做來實現(xiàn)。你可以將大氣中的二氧化碳水平管理到你認為合適的任何水平。當然，不要降到零，那所有植物都會死。但從440降到400可能是穩(wěn)定氣候的最佳點。而且這樣做基本上是免費的。

另一個農(nóng)業(yè)的大問題是氮肥。你給莊稼施肥以增加產(chǎn)量，但氮肥會造成巨大的氮流失，污染河流和海洋。為什么不直接改造植物，讓它直接從大氣中吸收氮呢？我們知道怎么做。有一種叫做固氮酶的東西，大豆就是利用它。你可以改造植物，讓它直接從大氣中獲取氮，而不需要氮肥。這樣可以消除氮肥污染，而且植物同樣美味、有營養(yǎng)。這是AI能幫我們輕松解決的另一個問題。

自主系統(tǒng)的未來

拉里·埃里森：

這是我最后一張有文字的幻燈片了。

自主無人機。我們都看到了無人機在烏克蘭被用于軍事目的。不幸的是，無人機除了在戰(zhàn)爭中的用途外，還有很多非常好的應用。我們?yōu)闊o人機建立了一個空中交通管制系統(tǒng)。我們實際上正在用無人機運送診所的血液樣本到檢測實驗室。我們建造了所謂的RFID樣本保險庫，在樣本上貼上RFID標簽，這樣就沒人知道這是誰的血，保護了個人隱私。同時，這也解決了樣本丟失或混淆的問題。

無人機還可以用紅外攝像頭立即探測到森林火災，甚至能找出縱火者。我們不應該讓警車在街上追逐其他車輛，那些高速追逐非常危險。我們可以讓無人機來跟蹤那些車輛，這樣好得多。

好的，我現(xiàn)在要展示我最后的圖片。那邊是RFID樣本保險庫。最后一個視頻馬上就來。

（視頻開始）

（無人機從一輛車上起飛，在空中盤旋）

拉里·埃里森：

你可以部署這些。在干燥的季節(jié)，你可以派無人機上去巡邏?；蛘哂型讲铰眯姓咴谝巴饷月妨?，它們是便攜的。我想它現(xiàn)在要降落了，如果它安全降落，我就回答第一個問題。

（無人機安全降落回車頂?shù)某潆娖脚_上）

拉里·埃里森：

這是個視頻，它肯定會安全降落的。太棒了。那是個充電平臺。

合作伙伴展示：Wood PLC談Oracle Fusion Cloud HCM

Wood PLC 發(fā)言人：

Wood PLC是一家大型的全球咨詢和工程公司。我們在60個國家運營，擁有36000名員工。作為一個職能部門，我們的IT、人力資源和財務部門效率低下且成本高昂。我們有幾十個HR系統(tǒng)，應用環(huán)境非常分散。我們有許多不同的工作方式和流程，很難整合我們的員工數(shù)據(jù)和報告。

其中一個關鍵影響是，我們難以讓在Wood工作變得簡單，難以以更統(tǒng)一的方式與員工互動，而且工作流程中的自助服務能力也不存在。所以我們選擇了Oracle Fusion Cloud HCM，因為它涵蓋了我們所有的人事流程。它還真正關注員工和候選人的體驗，這對我們很重要。轉(zhuǎn)向SaaS軟件讓甲骨文來做所有困難的工作，而我們可以利用創(chuàng)新，快速推進我們的人事流程。

我們已經(jīng)上線了核心HR、人才管理、薪酬和學習模塊。這些是我們首批推出的模塊。之后，我們還引入了帶有Recruit Booster的Oracle Recruit。我們正在利用Journeys功能進行新員工入職。我們最近還實施了幫助臺和數(shù)字助手，這為我們的人事流程提供了完整的端到端解決方案。

我們在Oracle Recruit和績效管理中啟用了AI功能。我們最近在績效目標中上線了AI Assist。我很高興地說，反饋非常驚人。我們縮短了招聘時間。在引入AI之前，我們招聘技工和手工藝人的時間是45天。引入AI后，我們現(xiàn)在是21天。對于我們的可報銷職位來說，招聘時間是一個關鍵指標。如果職位空缺，我們就無法向客戶收費。

AI代理將幫助我們真正推動自助服務的采用。它將在工作流程中為我們的員工和經(jīng)理提供指導，幫助他們找到答案。他們不再需要給HR發(fā)郵件，聯(lián)系我們的共享服務中心，然后等待回復。他們在應用程序里，就能得到所需的指導。這樣他們就可以專注于他們工作中能增加價值的部分。

我們從甲骨文獲得的支持和合作關系是首屈一指的。數(shù)字化轉(zhuǎn)型的旅程永無止境，它在不斷演進。我認為，與甲骨文合作，他們把客戶放在第一位。