AI范式转变：从模型训练到推理应用 - AI的游戏规则从模型训练转向推理能力，模型真正具备思考能力，在多模态处理中像电子大脑一样运作，各子网络分别负责文字、图像、声音和推理 [4] - AI发展进入"语言理解"阶段，价值不在于生成人类般的回答，而在于理解问题、寻找答案并进行推理，实现从模仿语言到学习思考的转变 [5][7] - 模型潜力在于理解私有数据后为具体事务构建判断和行动建议，例如通过观察视频在毫秒内判断车辆碰撞风险并决定刹车或转向 [8][9] AI基础设施的规模与复杂性 - 支撑AI理解的能耗巨大，人脑仅需20瓦电力，而AI大脑需要12亿瓦，甲骨文在德克萨斯为OpenAI建造的AI集群供电量可支撑100万个四居室家庭，相当于一座中型城市 [13][15] - AI基础设施远超购买GPU，涉及构建发电厂、电网、冷却系统、网络架构等整套系统，让数十万GPU像一台大脑一样工作，目前每天有3500名工人现场施工 [15][16][20] - 企业应用AI的关键在于基础能力就绪，包括可被模型理解的数据结构、快速调用AI结果的管道以及支撑低延迟推理的执行环境，否则如同在乡村土路上运行F1赛车 [17] 企业AI应用的核心：私有数据价值 - 主流模型基于公开数据训练，无法理解企业私有数据如客户报价单、医保账单、供应商欠款等，而真正决策依赖这些内部业务数据 [7][20][24] - 企业面临既想保护数据隐私又希望AI分析的矛盾，甲骨文通过RAG（检索增强生成）技术实现模型理解数据但不带走数据，将数据向量化后让AI临时读取相关资料 [27][28][29] - 公共模型是工具，企业私有数据是钥匙，AI知道世界动态但必须教它理解企业具体业务，让模型为企业"装眼睛" [32][33] AI在垂直行业的具体落地案例 - 在医疗领域，AI能一秒内完成骨折识别，并在同一图像中识别肺部阴影、肝脏病变等其他问题；在癌症手术中，AI视觉达到显微级别，实现健康细胞与癌细胞的精准切割 [35][36] - 在农业领域，AI模型模拟设计更高效的光合作用，使麦子在同一面积土地上增产20%，并吸收更多二氧化碳将其固化成矿物，实现靠种地促进碳中和 [38] - 在病原体识别领域，AI设备抽一管血可在几分钟内判断病毒、细菌、真菌种类及耐药性，并提出用药建议，有望提前几周发现类似COVID的疫情 [39][40][47] Oracle的AI战略与差异化定位 - 甲骨文与其他云厂商最大区别在于同时构建AI基础、工具和行业软件，是唯一能提供从头到尾完整链条的云服务商，在医疗、金融等行业有深厚积累 [51][53][54] - 公司策略不是争夺最新模型，而是将ChatGPT、Grok、Gemini、LLaMA等主流模型全部接入，让客户通过Oracle的AI数据平台安全、稳定、合规地调用自有数据 [56] - Oracle聚焦于承接行业中不变的部分如资料结构、使用方式和行业规则，构建AI落地的骨架，旨在让AI像水、电、网一样被标准化使用，交付可用的服务 [57][58][60] AI革命的本质与影响 - AI革命比工业革命更深刻，工业革命让机器替代体力改变"能做多少"，AI革命让系统延伸能力改变"能做什么"，AI是新能力如同电、水、地基 [61] - 企业需要思考是否拥有数据、流程和真正待解决的问题，最早用AI彻底解决问题的企业将站在新时代起点 [61] - AI在具体场景中需深度整合，例如医疗领域需连接账单、医保、资金系统，农业领域需接入水资源调度、天气模型和供应链 [62]