2025年10月16日，甲骨文Oracle董事会主席、CTO拉里·埃里森，在甲骨文AI World 2025大会上，发表主题演讲，阐述甲骨文AI战略与核心布局。
埃里森在演讲中，宣告AI改变一切时代已经到来，系统阐述甲骨文如何凭借独特优势，成为AI基础设施巨头，致力利用AI技术，深度改造核心产业，助力解决全球性重大挑战。
本期智能前线，选择埃里森AI World 2025大会主题演讲，瓜哥AI新知发布，六合商业研选精校，分享给大家，Enjoy！
正文：
全文17,187字
预计阅读35分钟
Oracle掌门人埃里森AI World主题演讲：如何看待AI泡沫？AI赋能医疗、农业、环境，AI将颠覆一切
时间：2025年10月16日
来源：瓜哥AI新知
字数：17,187
内容提要Oracle AI World
AI变革性力量：埃里森认为AI将改变一切，是人类历史上最具价值的技术，它将赋能人类，解决难题，而不是取代人类。
AI发展两大阶段
AI黎明：构建多模态神经网络模型，涉及大规模训练数据与巨额投资。
利用AI解决实际问题：应用模型于早期癌症诊断、外科手术、解决人类难题。
Oracle在AI中关键作用
提供私有数据访问：改造数据库，允许AI模型利用存储在Oracle数据库中私有数据进行推理，实现公有数据+私有数据结合。
RAG检索增强生成：通过Oracle AI数据库与数据平台，将私有数据，转化为AI模型可理解的向量格式，实现对私有数据分析。
模型兼容性：支持各种主流AI模型，Grok、ChatGPT、Llama、Gemini等。
AI应用具体例子：
生物识别技术，实现身份盗窃防护；
自主无人机，用于运输血液样本、森林火灾监测、追踪嫌犯；
自动驾驶；
代码生成；
无人机交通管制系统；
室内种植，减少水资源使用与碳排放；
改良小麦，提高产量，转化为碳酸钙，以固定二氧化碳；
通过基因工程，让作物从空气中固氮，减少氮肥使用；
早期癌症诊断与治疗；
更精准、辅助型外科手术，例如利用机器人视觉辅助外科医生；
构建AI辅助的医疗生态系统，自动化医院流程，包括人力资源、会计、银行等；
AI辅助制定最优护理方案与报销策略，例如在英国医院内；
AI驱动的医疗设备，例如，宏基因组检测仪、物联网医疗设备；
医疗健康；
农业等。
AI技术带来机遇：
更健康、更长寿的生活；
更高效的行业运作；
推动整个生态系统自动化；
AI应用程序的安全性。
AI技术挑战
算力需求巨大：需要大规模数据中心与高性能GPU。
数据隐私保护：确保私有数据安全，赋能AI。
解决报销问题：AI必须结合护理方案与保险报销规则。
Oracle独特优势：
同时涉足基础设施与应用：唯一一家同时构建AI基础设施与大型应用的公司。
提供端到端解决方案：不仅提供AI技术，还应用于不同行业，解决实际问题。
积极推动生态系统现代化：专注重塑整个生态系统，不仅是单个行业。
对泡沫看法：AI是迄今为止价值最高的技术，会有泡沫，内在价值毋庸置疑。
未来愿景：AI将让世界变得更美好，改善生活质量，解决长期难题。
拉里·埃里森主题演讲实录
这里写着，AI改变一切。
这是相当宏大的论断，我认为它非常接近事实，我将谈谈甲骨文如何应对这些变化。
这一切，可以说始于ChatGPT 3.0横空出世，那时起，AI模型说话语气，开始变得与我们人类非常相似。
AI技术发展，有两个主要阶段，AI时代的黎明、AI解决现实世界
首先是AI时代的黎明，这个阶段，一批公司致力构建庞大的AI模型。这些模型，实际上是由多个神经网络组成的多模态模型。
这类似我们的大脑，由不同部分组成一样，可以说是一个完美的类比。
我们用大脑的一部分处理视觉，用另一部分处理语言。
当你构建一个AI模型时，也会为视觉功能使用一个独立的神经网络，用来感知物体的边缘、形状、颜色、运动。
接着，你会用另一个完全不同的神经网络来识别它是什么。
第三个神经网络，会对这些数据进行分类、组织、推理。
现代的AI系统，即多模态模型，与我们大脑非常相似，它拥有多个神经网络，分别用于处理视频、文本、音频等不同类型的数据。
目前，一系列公司正在投入巨额资金，利用海量的公开数据来训练AI模型，这已经成为AI训练的核心。
经过几年发展，显而易见的事实是，这已成为人类历史上规模最大、增长最快的业务，规模超过铁路时代与工业革命，一个全新世界正在崛起。
首先是模型的构建，当模型建成之后，是利用这些模型，来解决现实世界中的重大问题。
例如，实现癌症早期诊断。未来，很多手术的精确度与准确性，将远超人类。机器人将在外科手术领域，比人类做得更好，背后有很多你可能意想不到的有趣原因。
AI训练带来巨大机遇，甲骨文是构建AI训练数据中心的主要参与者。
真正机会，远不止于此。
真正改变世界的，并非模型本身的创造或训练，而是当我们开始运用卓越的电子大脑，攻克人类最棘手、最恒久的难题之时。
有趣的是，甲骨文明确参与其中。
这些AI模型，如ChatGPT、Anthropic的模型、Grok、Llama等，都是基于公开可用的数据，也是整个互联网的数据，进行训练。
要让这些模型发挥最大价值，不仅需要公开数据，还需要让私有数据也能为模型所用。
这正是甲骨文发挥特殊作用的地方，世界上大部分高价值数据，早已存储在甲骨文的数据库中。
我们所做的，是对数据库进行改造，使其能够利用存储的数据，并将其提供给AI模型进行推理。这样一来，AI模型不仅能基于公共数据，还能基于私有数据进行深度分析。
AI是不可思议的工具。有人认为它会取代人类所有工作，我不同意。它不会取代我们，而是会赋能我们，帮助我们解决单靠自己无法攻克的难题。它将使我们成为更优秀的科学家、工程师、教师、厨师、瓦工、外科医生，我们从未创造出如此强大的工具。
我记得，很久以前，这个大会还叫Cloud World，而不是AI World。
即便是在Cloud World，我依然获准做了一场关于AI的演讲。
当时我问，AI是人类历史上最重要的技术吗？
我们将很快知道答案，答案已经很清楚。
我认识最顶尖的聪明人，都在为什么而努力，我认识的最聪明的人，都在投资AI。
具体来说，他们正在投入巨资，来构建与训练AI模型，足以说明AI技术有多么重要，多么非凡。
比如马斯克、Mark、Sam Altman，按字母顺序排名，他们都是非常聪明、非凡的人物。有人说，AI可能只是一个泡沫，没什么大不了的。
互联网是一件大事。大多数人，如果你看看互联网创造的财富，就会明白。它成就了谷歌搜索，搜索业务的回报相当可观。
马斯克创办PayPal，同样获利丰厚。我很了解他，他绝对没在Pets.com宠物用品网站上投过一分钱。
什么是泡沫？
关键在于，当人们谈论泡沫时，到底什么是泡沫？人们会变得狂热。
互联网是项了不起的新技术，至今仍是计算的基础。没有互联网，我们无法拥有AI，它是一项极其重要的技术。
人们开始将像PayPal这样的公司，甚至是更了不起的谷歌搜索，与pets.com混为一谈。比如，我开个电商网站卖狗粮，就能自称是互联网公司吗，不是。
会有人把钱浪费在AI上，如今几乎每家科技公司都自称是AI公司，实际上很多并非如此。就内在价值，AI是我们迄今为止所见过，价值最高的技术。
AI这个名字很有趣，它不仅有智能，更有感知Artificial Perception。它能听，甚至能闻。想想嗅觉，捕捉、识别空气中漂浮的化学物质。
狗能嗅出癌症，我们理应能用AI做到这一点。
我参与了一个电子狗鼻的项目，我们正在构建能够闻出癌症或其他疾病的传感器。
AI拥有感知能力，它的大脑中包含处理听觉、视觉、推理的部分，它能识别路牌，阅读书籍。它看你一眼，就能认出你。
你可以识别正在播放的歌曲，可以与AI对话，向它提问，或者打字输入。
AI能够以极快速度，用我们人类语言与数学，进行逻辑推理。
我记得有一次去特斯拉参观Optimus机器人，我很好奇机器人将如何学习。
我思考了一会儿，机器人要怎样学会打扫房间、煎鸡蛋、或者弹吉他。答案是，它只需观看互联网上视频。它连接着互联网，可以像我们一样，通过看视频来学习弹钢琴，只是速度要快得多。
它可以极高速播放视频，可能在5秒内，就学会弹奏一首肖邦的曲子。我
知道我的孩子们，绝对学不了这么快，我每天都听他们练习，5秒是绝不可能的。
AI机器人，将比最顶尖的医生，更擅长外科手术。
有一位非常著名的外科医生莫伊斯博士Dr.Mohs，他专门切除患者面部的癌变组织。他之所以闻名，是他总能将创伤降到最低，切除最少的皮肤组织，在美容效果上取得极佳的成果。
他的方法是，先切除几层皮肤，拿到显微镜下观察，判断是否只切除了健康细胞，或是癌症已经深入到何种程度。
他是这样来回操作，切一小块，观察一下；再切一小块，再观察一下。
AI机器人有一种不公平的优势，它们视觉是微观级别的，它们不需要显微镜，就能看到单个细胞，就能分辨出哪里是癌组织边界，哪里是健康组织的开始。
它们拥有完美的协调性，能成为比人类更出色的外科医生。这并非它们更聪明，而是它们拥有更卓越的手眼协调能力，它们眼睛远比我们敏锐，它们手远比我们精准。它们可以在一层健康细胞与一层癌变细胞之间进行精准切割。观看它们手术，着实令人惊叹。
这将让我们所有人都倍感安心，当我们看病时，为我们主刀的医生将有机器人辅助，手术过程会趋于完美，这非常有趣。
它的构建方式与大脑惊人相似，拥有专门的神经网络。比如视觉，卷积神经网络CNN几乎是对我们视觉皮层的模拟。视觉皮层，有五层，位于后脑勺。
进化过程中，最原始的V1层，让动物能够感知物体的边缘，后来发展出感知颜色的V4层，著名的、用于探测环境中运动与威胁的V5层。
视觉Transformer ViT负责处理卷积神经网络生成的位图bitmap，也是像素图像。视觉Transformer将图像与已知事物进行比较，识别出人脸与熟悉的物体，这是另一种用于整体图像理解与识别的神经网络。
ChatGPT-3的出现，标志着我们通过巨大的Transformer网络，实现全面的语言与推理能力。
我们很早有了面部识别技术，直到负责语言与推理的GPT，通用预训练Transformer网络问世，我们才真正拥有对话与推理的能力。
Transformer网络唯一缺点，是它需要惊人计算量，训练这些模型，需要巨额资金投入。推理比视觉要复杂得多，Transformer网络远比其他网络更庞大、更复杂。
还有专门处理特定数学问题的网络。总之，AI的结构与大脑惊人相似。人类大脑实在太不可思议，功耗只有20瓦。
你拧亮一个20瓦灯泡，光线不算明亮，这微不足道的能量，足以驱动860亿个神经元，赋予我们视觉、平衡、推理、语言、创造力、演绎与归纳的能力。
马斯克曾将人脑称作20瓦的血肉计算机，这台精妙绝伦的计算机，能够完成所有这一切。
它具备感知、识别，基于识别进行推理的能力。
视觉皮层位于顶叶后下方，额叶是庞大的语言中心。大脑是高度专业化的，AI模型亦是如此。
我们并非在建造一台20瓦的血肉计算机，而是在打造一个12亿瓦的AI大脑。
你试过像惠普计算器那样快速做乘法吗，这些电子大脑，这些AI模型，它们推理速度快得惊人。
它们能处理海量数据，从中得出我们前所未见的答案。
这是我们正在建造数据中心的一张照片，实际上，它已经部分上线运行，这个数据中心最终将拥有50万NVIDIA GPU。
为了让你有个概念，12亿瓦意味着什么？这个电量，足以供应美国100万户四居室家庭的用电。
一百万户，相当于一个相当大的城市了，我想我们还有一个施工现场的视频。
视频旁白：Oracle正在德州阿比林为OpenAI建造全球最大的AI集群，2024年6月在一片空地上启动，在不到1年时间内，成功交付GPU。
该集群满负荷配置后，将包含超过45万NVIDIA GB200。电力，由电网与现场的燃气轮机联合供应。整个集群的容量，分布在8栋独立建筑中，占地1,000英亩，所有建筑互联互通，以支持单一的超大规模工作负载。
该站点部署最前沿的AI加速器、液体冷却、网络技术。
每天有超过3,500人在这里工作，以前所未有速度交付算力。
AI需求持续超过供应，Oracle致力提供规模最大、技术最先进的AI集群，以支持我们全球各地客户。
这与我大学时，在卧室里写代码的日子，真是天壤之别。
我们正在为马斯克训练Grok的第一个版本，也正在训练许多其他类似的多模态AI模型。
几乎所有这些AI模型，都部署在Oracle云。
我们参与训练的多模态AI模型，可以说比任何其他公司都要多。这既令人兴奋，也令人敬畏。
我们正在运行的项目规模极其庞大，早已超越单纯构建GPU网络、机房、网络、散热系统的范畴，仅是这些基础工作，本身已极具挑战。
现在，我们甚至需要建造发电厂。
天然气通过管道，输送到燃气轮机，燃气轮机启动后发电，再将电力输送到数据中心。
这整个链条涉及，天然气管道、电力生产、电力传输、数据中心、网络、在数据中心内运行的大量复杂软件，与无数才华横溢、勤奋工作的工程师。
每一个环节，都是巨大的工程项目。
我们试图构建的，是能够在各种类型数据上，进行训练的多模态神经网络，文本、图像、音频、视频，涵盖所有公开可用的数据，我们为训练这些模型而生成的合成数据。
一些模型，被设计为实时运行。
例如，谷歌两个著名的模型，一个是Gemini，另一个是DeepMind。
DeepMind在分子结构领域高度专业化，它的一个模型在蛋白质折叠领域的突破，在2024年荣获诺贝尔奖。它能够根据蛋白质的化学式氨基酸链，预测出在三维空间中折叠后的复杂结构。
蛋白质折叠，是一个困扰我们很长时间的难题，谷歌收购的DeepMind团队用他们模型解决了它。
马斯克有两个截然不同的AI模型，一个是多模态AI模型Grok，另一个是Tesla自动驾驶模型，这是一个实时模型，它与生成代码的Anthropic，或解决法律、医学问题的ChatGPT截然不同。当你开车时，路况瞬息万变。
汽车必须通过遍布车身的摄像头拥有视觉能力，一旦发生紧急情况，你需要在毫秒、甚至微秒内做出反应。千分之一秒，对汽车来说至关重要。
一个球突然从路边滚出来，一个骑自行车的孩子紧随其后。你必须立刻看到、理解，并采取规避动作，以避免事故与人员受伤。
这种场景下，你无法承受网络延迟，不能等待数据往返于远端的AI模型。系统架构必须完全不同，需要极低延迟的响应时间。
这是为什么所有特斯拉汽车与机器人，都必须在车内或机器人体内配备本地算力，以便做出即时、低延迟的决策。
相比之下，如果你在编写代码，不需要这种即时性。
我可以告诉你需求，你可以花些时间思考，然后给出答案。
实时模型、与非实时模型（可以从容推理与计算答案的模型）是有区别的，这两种模型都至关重要，我们都在积极构建，这些模型能够进行多步推理。
曾几何时，我们将模型的应用阶段，简单称为推理inference，情况已经变了。
早期模型，做的仅是推断，现在，它们像我们人类一样进行推理。它们运用演绎、归纳、计算，遵循策略与规则。我们所使用的所有推理技巧，它们都在模仿与应用。
它们思考速度比我们快得多，解决问题的速度远超我们，甚至能解决一些我们根本无法解决的复杂问题。这正是AI如此激动人心、价值连城的原因。
这些模型可以回答你的问题，可以生成计算机代码。如今Oracle编写的很多代码，并非出自人类程序员之手，而是我们AI模型编写。
我们只需告诉模型，我们希望程序实现什么功能，AI会设计出一步步的执行流程。我们不再编写过程，而是声明意图，由模型来编写我们传统意义上的计算机程序。它们诊断医学影像的能力远超人类，它们还能设计我们无法设计的药物。
AI+私有数据
这里有一个巨大挑战，这些模型存在一个核心问题，它们通常不会在你私有数据上进行训练。
人们理所当然希望保护自己数据的隐私，这一点不会改变。与此同时，人们又希望这些强大的AI工具，能够利用他们私有数据进行推理，这就好比鱼与熊掌兼得。
我希望自己数据保持私密，不与任何人共享；同时，我又希望利用这些强大的AI工具来分析与洞察我的私有数据，这正是Oracle一直致力解决的核心难题。
本周，我们在拉斯维加斯发布的新产品，Oracle AI数据库与Oracle AI数据平台，正是为此而生。这个AI数据平台有趣之处在于，它允许你选择任何你喜欢的多模态模型，任何你选择的模型。
如果你想在Oracle云中使用Grok，没问题；想用ChatGPT，也可以；想用Llama，或是Gemini，都可以。我们会将你选择的模型接入平台，这个模型不仅连接到它已经训练过的公共数据。
我们赋予你一种能力，可以将你私有数据，添加到模型知识库中。这样一来，模型不仅能基于公共数据推理，还能基于你的私有数据进行推理，确保你的私有数据绝对私密，不与任何人共享，这一点至关重要。要以高度安全的方式实现这一点，绝非易事。如果很简单，早就被别人做出来了。
Oracle Cloud Infrastructure集成所有主流的多模态模型，你可以自由组合使用。我们通过AI数据库与AI数据平台，让你能够将私有数据融入到模型中。
让我更精确解释一下它工作原理，这项技术被称为RAG检索增强生成Retrieval-Augmented Generation，你是拿出一堆模型从未训练过的数据。
这可能是今天股票价格，或者今天新闻，这些都是模型在训练时，所不知道的。
现在，模型知道哪里查找这些信息。它知道如何查询今天股价，如何通过股票代码获取最新的报价，你只需将这些信息，放入一个模型可以访问的数据库中。
你可以将你的私有数据存入Oracle数据库，新的Oracle数据库之所以被称为AI数据库，并不仅AI是时下热点，更是它内置强大的RAG功能，它能够获取Oracle数据库中任何数据，通过向量化处理，使其能够被AI模型访问与理解。
你的大量数据，已经存储在Oracle数据库中，你只需一个请求，Oracle数据库就能将这些数据，转换成模型可以理解的格式，即向量格式。
Oracle数据库，可以向量化任何你希望模型访问的数据，你就可以对这些数据进行推理，这不仅局限于Oracle数据库内部的数据。
假设你有大量数据，存储在OCI对象存储，甚至是亚马逊的对象存储中。
你想让这些数据也能被Oracle AI数据平台上的模型使用，完全没问题。
Oracle数据库可以访问OCI对象存储，对其中数据进行向量化，并创建向量索引。它同样可以访问亚马逊云存储，对属于你的那部分数据进行向量化，使其能够被多模态模型用于推理。
你不局限于数据库中的数据，Oracle数据库可以向量化来自它自身、不同数据库、甚至不同云平台的数据，让AI模型能够轻松访问，并进行推理。
第一个利用这项技术，让私有数据赋能AI模型的项目，是我们将自己所有的客户数据进行向量化。
我们运用RAG技术，让模型能够访问这些数据。
我们从客户数据入手，我们深信，没有什么比我们客户更重要。也有人会说，没有什么比客户对我们更有价值，这两者是相辅相成的。
我们想提出一些非常关键、具有高价值的问题。市面上有一个完整的行业叫客户关系管理CRM，现在他们又改称客户互动管理CX。
无论叫什么，我们都清楚核心问题是什么。我们在Oracle内部启动一个项目，利用我们私有的客户数据。
我们把这些数据放入Oracle数据库，进行向量化处理，通过RAG技术让一个多模态AI模型能够访问它。接着，我们提出一个对我们业务至关重要的问题，在未来6个月内，哪些Oracle客户最有可能增购我们产品？
更具体说，对每一位即将购买的客户，你能告诉我，他们最有可能购买哪一款产品吗，这不仅是提问与获取答案。
AI Agent
你可以通过代理agents让AI执行任务。你可以创建一些或大或小的程序，让AI实际执行某些操作，协调某个流程。
比如说，我们下达一个指令，给所有潜在买家发一封邮件，附上三个最匹配的客户案例，促成购买。
接到这个指令后，AI Agent需要自行推断，目标客户是一家瑞士银行，正考虑购买我们的产品。对它，最好的客户案例，是其他已经购买我们产品的瑞士银行。
这些案例对你来说最具说服力。所有的客户案例推荐，都会根据我们对你的了解，你所处的行业、你拥有的产品、你与其他银行的关系等，进行量身定制。你甚至可以随时调用，索取这些案例。
总之，AI Agent解决这类问题的速度之快，它能昭示Oracle销售团队未来6个月的业务重心，都非常令人振奋，这简直太神奇了。
我们回过头来看刚才那个指令，给潜在买家发送一封带有三个最佳客户案例的邮件。仅凭借这一句话，我们就能生成一个AI Agent来精准完成任务。
你可以直接生成这个AI Agent。如果你想让它功能更强，也可以提供更精确的指令，比如你想发送什么样的信件，还想加入什么其他内容，让agent能力更进一步，这正是我们目前在做的事情。
我不知道你是否听过一个词，我第一次听到时，觉得有些新奇，vibe coding氛围编码，听起来很像Z世代的风格。
它的理念是，说出你希望程序做什么，生成一个原型，上手试试。别想得太复杂，凭感觉，体会那种氛围vibe。
你可以直接使用自然语言，用英语生成计算机程序。我个人曾在Oracle内部，与工程师们辩论过，英语是否是理想的编程语言，它以不精确而闻名。
如果我们想生成程序，难道不应该创建一种高度精确、定制化的声明式语言，这正是我们在Oracle Apex中所做的。
我们在Apex里，加入一种声明式的AI生成语言，专门用于生成应用程序。外界仍有许多人习惯使用英语，这完全没问题。选择权在你手中，我们只负责提供选项。
Oracle现在创建的大多数新应用，都是AI Agent，它们并非手动编写，而是由AI生成，再通过工作流连接起来。
有趣的是，这些生成的应用，没有任何安全漏洞，应用程序的生成器，从不遗忘、从不疏漏，从不犯错。
我们生成的每一个应用程序，都是无状态、高可用的。换言之，如果运行应用的计算机突然宕机、断电，或者发生任何意外，该应用可以立即在另一个数据中心重启，它不依赖任何本地状态。即使它在A地中断，也能在B地无缝续接，不会丢失任何数据，客户甚至毫无察觉。
当你生成这些应用程序时，它们天生具备备份、高可用、高可靠、高安全、高扩展性。
很多人以为，这些低代码应用开发平台，只适合编写一些部门内部的小工具，或许能支持二三十个用户，一旦用户量增多，就会性能下降，它们的设计初衷，并非为了扩展到数百万用户。
我们不同之处在于，应用是AI生成的，底层架构始终如一。我们为每个应用设计的，都是承载百万用户的架构，哪怕它最初只有五个用户。
这样一来，应用运行速度更快，消耗资源更少。这种生产力的巨大提升，也是我们为在医疗健康领域所做的工作感到无比自豪的原因之一。
我们可以重建Cerner代码，用AI重建整个Cerner代码库，将其彻底现代化。
构建最有趣的AI Agent之一，连接医疗服务提供者与支付方，构建整个生态系统
我们已经完成所有用于诊所运营的代码，2026年将完成所有大型医院的代码。
我们计划在3年内，重写Cerner耗费25年才完成的全部代码。
我们新构建的系统，功能将远超以往任何产品。我们目标不只是自动化医院或诊所，而是要自动化整个医疗生态系统，这正是这些强大的AI工具所带来的惊人生产力飞跃。
重建Cerner为例，我们工作远不止于此。
我们不仅在重建Cerner，还在为医院构建量身定制的会计系统与人力资源系统，医院是一个非常特殊的场景。
它有点像一个五五开的零工经济体，许多护士既在一家医院工作，也为私人病患服务，她们排班非常灵活。
你无法预知周一，需要多少护士或医生，这完全取决于接诊多少病人、有多少手术室可用，医院人力资源系统极其复杂与独特。
医生、护士、其他医疗专业人员，必须获得大量认证，才能进行特定的检测、手术或处理某些病患。
我们的人力资源系统，必须能够管理这些认证，安排培训与排班。他们频繁换班，系统需要灵活处理所有这些变动，在他们加班时准确支付薪酬，还要理解他们可能在这家医院每周只工作两天，而在城市另一家医院工作四天。
我们正在构建人力资源系统、会计系统，甚至银行系统。这可能会让你感到惊讶，一个专为医院设计的银行系统，可以根据医院的应收账款为它们提供贷款。
在这里，我将详细描述一个AI Agent。我们目标，绝非像Cerner或其他竞争对手那样，仅仅自动化医院与诊所。
我们信奉马斯克的理念，要想在医疗健康领域取得真正成功，我们不能只盯着医院与诊所，必须着眼整个生态系统的自动化。
这类似马斯克必须建立一个全球充电网络一样，否则电动汽车寸步难行。他不能像亨利·福特那样，只管造车，想当然认为标准石油公司会提供燃料。
要让电动汽车成功，他不仅要设计汽车、制造电池、部署工厂机器人、开创线上销售模式，还必须建立全球性的充电站网络，他必须为电动汽车构建完整的生态系统。
同理，如果我们想实现医院与诊所的自动化，监管机构、支付方、病人等环节依然停留在手动时代，医院效率提升将极为有限。你必须将整个生态系统连接起来，并实现自动化。
你必须让患者、医疗服务提供者、支付方、监管机构、制药公司、为医院提供融资的银行，监管医院并收集信息的政府部门，都接入自动化的体系。
只有这样，你才能拥有一个真正现代化、高效率的医疗健康系统，这正是我们收购Cerner，作为第一步时的宏伟蓝图。
我们构建最有趣的AI Agent之一，是连接医疗服务提供者与支付方。这是一个非常有意思的问题，当我们完全理解复杂性时，我们已经为此投入相当长时间。
最优护理，我们希望医院做什么？
医院必须弄清楚，能为这位患者提供什么样的最优护理，这听起来理所当然。
假设你在英国，对一位高血糖患者，最优护理方案，是使用Ozempic或其他GLP-1类药物。
问题是，英国国家医疗服务体系NHS，不报销Ozempic费用，这种药非常昂贵。
有没有其他药物，可以帮助控制血糖，有；它们效果好吗，相当不错；NHS会报销吗，会的。
当你在为一家英国医院构建自动化系统时，你真正在做的是什么？你是在协助医生，共同制定一个既是最优护理，又能在患者无力自费的情况下，获得全额报销的治疗方案，这两者是紧密相连的。
构建一个只会给无力负担的英国患者开Ozempic的系统，毫无意义，作为英国保险方的政府，NHS不会支付这笔费用，这是当下的现实。
我们必须构建一个能够在美国、英国，乃至全世界通用，解决这个核心问题的系统。
问题在于，如何提供既是最优护理，又能被完全报销的治疗方案，这是我们目标。
我们构建的AI模型，首先通过RAG检索增强生成技术，访问最新的医学文献、最新的检测结果、电子健康记录中的生命体征数据、所有验血报告等信息，以协助医生制定最佳的护理方案。
我们需要掌握一些关键信息，比如，是否有针对这位患者所患癌症的新临床试验，医生是否应该考虑推荐患者参加。AI模型会掌握关于临床试验的最新动态，了解哪种药物对当前这位特定患者的效果更好。在医生为患者制定最优护理方案时，AI模型会持续提供信息支持。
该AI模型通过RAG，学习最新规则与政策。
在美国，这意味着要掌握各种保险政策，具体取决于患者拥有哪种保险：是Medicare，还是Medicare加Medicaid，是否有补充保险？
我必须弄清楚什么可以报销，什么不能。这实际上是在寻找两大领域的交集，什么是最佳护理，什么是可全额报销的。
我必须用所有的保险规则来训练模型，以确保医生开出的处方，能够获得全额报销。我还需要捕捉到规则中细微差别。
例如，在英国，如果患者的体重指数BMI超过某个临界点，Ozempic实际上是可以报销的。
我必须确保医生知晓这一点，能及时提醒他，医生，这种情况是个例外。这位患者的体重超过阈值，根据刚修订的规定，他有资格使用Ozempic，我必须做到如此精准。
AI Agent会利用所有这些数据进行推理，提出最优护理方案，并在绝大多数由政府承担医疗费用的国家里，实现最高水平报销，这是它的使命。
最后还有一件事，我们也在实践中推行。世界上许多诊所与医院，包括美国的一些，手头现金流非常紧张。
如果他们没有及时收到保险公司报销款，有时甚至无法为新患者提供服务，他们总是处于资金短缺的状态。
这时，AI Agent作用体现出来。它可以向银行提供关于某批应收账款的所有信息，向银行证明这些账款符合所有报销规则，诊所与医院有95%、甚至99%的概率会收到报销。
银行可以基于这个概率，对这笔应收账款进行小幅贴现，提前向医院放贷。
当你审视整个医疗生态系统时，你会发现这是一系列环环相扣、引人入胜的挑战。医疗生态系统的财务运作成本极高，存在大量行政工作与管理任务。
我们可以利用AI，将这些工作自动化，让患者能有更多时间与医生交流，让医生能专注提供护理。
我们可以找到获得最高报销额度的方法，让医院获得运营所需的现金流。所有这一切，都将通过自动化来实现。医生与护士的时间，将被更有效用于患者护理。
我敢说，AI将让我们生活变得远比现在更加美好。
Oracle Cloud
Oracle Cloud定位非常独特，Oracle同时涉足基础设施与应用程序。
我们既构建大规模的企业级应用，也打造大规模的AI基础设施，我们是唯一一家同时做到这两点的云服务商。
其他大型云服务商，如微软、亚马逊、谷歌，实际上不开发医疗健康应用、大型企业应用或金融应用。
换句话说，他们或许会开发AI技术，谷歌会，其他两家不一定，他们不会亲自构建大规模应用，利用这些技术，实现整个行业或生态系统的自动化。
我们目标，与其他云服务商截然不同。我们既是AI技术创造者，也是利用这项技术解决不同行业、不同生态系统难题的实践者。
我们在训练AI模型方面实力强大，我们拥有这些模型，一些是我们自己训练的，另一些不是。
我们将这些模型，部署在云端供用户使用，帮助你解决自身的问题，让你能够在自己私有数据上运行AI推理，以应对公司面临的挑战。
我们拥有AI代码生成器。
提到代码生成，Anthropic最为出名，我们从事这项工作已经很久。
我们相信，我们全新的Apex代码生成器，关于Apex，我可以肯定的说，它生成的每一个应用程序，都具备可扩展性、安全性、可靠性，无一例外，我们在这方面已经深耕多年。
现在，我们正利用AI与Apex实现完整的代码生成。我们是唯一一家致力构建应用程序套件，以推动整个生态系统，而不仅仅是单个行业现代化的公司。
医疗保健与公用事业是两个例子。我们着眼于重塑整个生态系统，让体系运作得更有效率。
一个链条的强度，取决于最薄弱的一环。
试想，如果你需要与监管机构打交道，比如一个负责临床试验的机构要求你，试验一结束，就把所有结果打印出来，装箱寄给我们。
我不会点名，这种情况在世界各地屡见不鲜。这直接导致新药研发成本居高不下，上市周期极为漫长，这是巨大的难题。
我们目标，必须是实现整个生态系统自动化。我们需要构建复杂的流程，通过被称为AI代理的机器人软件，不仅实现公司内部流程自动化，还要打通公司与公司间壁垒，比如一家公司如何与另一家公司沟通，一家医院如何与一家银行协作。
AI将如何改变世界
接下来我想谈谈AI将如何改变世界，而不仅仅是介绍AI模型的工作原理、构建方式、Oracle的独到之处。
我相信，我们将过上更美好生活，更健康、更长寿，吃更好食物，住更好房子。这些工具的力量超乎想象，世界将变得更加美好。
AI带来的某些变革，可能会出乎意料。
下面是我们正在进行的一些项目。
生物识别技术
我们可以利用AI来彻底杜绝身份盗窃，未来将不再有登录、密码被盗、系统被入侵或数据被窃取这些烦恼。
信用卡盗刷的问题将不复存在，你再也不用经历寄回旧卡、等待新卡的麻烦，我们可以让信用卡实现完全的欺诈防护。
我想应该没人喜欢待在医院里。医院方面也意识到，让病人尽早出院，对他们自己更有利，一些最危险的病原体，恰恰潜伏在医院里。
我们能让患者越早回家，他们越安心，居家康复更安全。
我们可以构建物联网医疗设备，让病人在家中也能享受到医院级别的监护。
即使在紧急转运途中，救护车也始终与医院保持联网。这意味着，居家休养的病人，能时刻处于医护人员监控之下。
当病人被救护车转运时，医院、救护车、急诊室之间，会建立实时的音视频数字连接，诊断影像也能同步传输。
当AI读取海量信息时，会发生什么，这让我想起一次骑摩托车的经历。别问我当时在干嘛，我已经不年轻，连个借口都找不着。总之，我摔得很惨，身体右侧着地，断了八根肋骨。
做核磁共振MRI时，我听到技师在旁边数，一、二、三、四。
我问，你们在干什么？
他们回答，在数你断了多少根肋骨，那可真好。
你看，我做了完整的MRI扫描，他们唯一关注的，是数断了的肋骨。
MRI扫描产生了海量的其他数据，根本没人看。
这种情况，在医学影像诊断中很常见，人们只关注一两个关键点，忽略其余所有信息。
AI不会，它能发现被忽略的细节，找到人们从未刻意寻找的异常。
AI诊断会更精确、更可靠。
首先是身份盗窃，AI知道你是谁，它能识别你的面部、声音与指纹。
当你坐在电脑前，可以直接说，Sephra，今天想做什么？
密码这种东西简直荒谬，它会被盗，人们会随手写下来。
现在的密码，要求你设置17位长，外加至少两个连续的下划线，这简直是疯了，谁会觉得这是个好主意？
我唯一能记住这种密码的方法，是写在便利贴上，贴在电脑旁边。
为什么要做这么愚蠢的事，密码时代该终结了。
未来将全面采用生物识别，这对每个人都更好，也能更好保护数据隐私。
信用卡方面，我们将提供可选的生物识别信用卡。这样一来，他人将极难冒用你的卡，大幅减少信用卡欺诈。
目前，所有欺诈损失都由银行承担，如果银行不必再支付这笔费用，你们信用卡利率就会下降。
这对所有人都好，既能节省大量资金，又能保护数据隐私。
构建物联网医疗设备
病人监护，我之前提到。
我们将拥有这些低成本的医疗设备，稍后我会讲到成本，它们会非常非常便宜。我们可以大规模生产精密的设备，质量更高，所有设备都应该连接到互联网。
数据会进入一个安全的数据库，这些数据只属于你，你可以决定授权给谁看，比如你的医生或负责你护理的专业人员。
在保护隐私的同时，你的医生可以即时访问这些数据。
如果医生设置警报，比如你的血压超出或低于某个阈值，他们会立刻收到通知，所有这一切都将实现。
你将获得更好的健康监护，无论是在家中、救护车上，还是任何地方。
在从家转移到急诊室过程中，急诊室医生能与救护车上急救人员实时通话。
信不信由你，我们正在打造这样的系统原型。
至于我们是否会大规模生产救护车，我不知道。
如果几年前有人告诉我，我们将要建造十亿瓦级别的发电厂，我肯定会觉得他需要好好休息一下。
现在，我们在考虑这件事。关键在于，一辆联网、搭载了AI的救护车，将是更安全的病人转运方式。
诊断成像
我妻子怀孕时，我们住在夏威夷，她做超声波检查。当时技术人员，做了两件让我觉得匪夷所思的事。
第一、他竟然用一把尺子在超声波屏幕上测量胎儿的发育情况，比如头骨大小、脊柱长度。
我当时就想，你这是在用一把二维的尺子，测量一个漂浮在液体里的三维物体，开什么玩笑，谁会觉得这是个好主意。
这种测量，完全可以用电脑非常精准完成，哪怕只是初级的AI也能做到。
第二、当时我们在拉奈岛，医生在檀香山。
那位技术员，竟然举起她的iPhone对着超声波屏幕，好让医生通过视频，看到屏幕上的胎儿图像。
难道不能把图像高分辨率录制下来，用数字方式传输？居然通过FaceTime，传来一张屏幕翻拍图了。
我记得当时我就对技术员说，我保证会解决这个问题，我保证。这实在太落后了，我简直不敢相信现在还会发生这种事。
有了AI的3D视觉技术，我们可以在超声波上精确测量胎儿发育，能再次发现医生们忽略的细节。
在成像技术方面，我们的一个合作伙伴，正在利用AI分析肿瘤活检切片，几分钟内，就能从图像中诊断出癌症。
传统的流程，可能需要一~两周时间，做基因检测等一系列检查，这意味着一~两周的焦虑等待与治疗延迟。
AI能让我们迅速得到结果，无论是你没事，一切都好，还是你需要立即开始治疗。
无论哪种情况，我们都能获得更好的医疗结果，这非常有意思。
我们正在开发的设备宏基因组检测仪
目前我们识别病原体的能力有限。当有人生病时，我们用PCR方法来检测。
如果我们怀疑病人感染甲流、乙流，或者某种新冠病毒，我们可以检测一组已知的呼吸道病毒。
如果你感染的是某种未知病毒，PCR检测结果会是阴性，我们无从知晓你到底得了什么。这时，我们真正需要的是进行基因组检测。
在进行基因组检测之前，我们必须先对病原体进行培养，这需等待几天，甚至一~两周，才能知道结果。
到那时，病人可能已经自愈，也可能病情已经加重。
我们正在研发的新型传感器，可以直接进行基因测序，它能对样本中所有物质进行基因测序。
比如，我们抽取血液，血液中自然有你自身基因，也可能包含ctDNA循环肿瘤DNA的物质。
如果一个人患有癌症，哪怕是极早期，血液中也会有微量ctDNA片段。
通过对血液中所有基因进行测序，我们能发现这些片段。
ctDNA检测面临一个难题，你的免疫系统非常强大，它会在你毫不知情、未出现任何症状的情况下，自行清除掉许多早期癌细胞。
如果我们一检测到ctDNA，就告诉你，你得了癌症，需要马上治疗，这很可能是错误的。实际上，你的免疫系统自己就能搞定，什么都不用做，检测的假阳性问题是致命的。
有了AI，我们可以分析ctDNA片段，精准区分假阳性、与真正需要立即治疗的严重问题。
这有望让我们在极早期就诊断出癌症，众所周知，早期诊断，将极大提高癌症治愈率。
这项技术，还能让我们识别出你感染的任何病原体，无论是细菌、真菌，还是病毒，准确告诉你它是什么，即使是COVID-19这样全新病原体。
我们能立刻知道如何治疗，它甚至能告诉我们，该病原体是否具有抗生素耐药性，对哪些抗生素耐药，应该使用哪种抗生素进行治疗。
我们有一位合作伙伴，正在研究这个非常重要的问题。
试想一下，如果这种低成本的设备，能普及到世界各地的医院病理科，我们只需通过一次血液检测，就能找出感染的任何病原体。如果当初我们拥有这项技术，就不会被COVID-19搞得措手不及。
我们会有一个预警系统，能比后来早得多发现病毒的出现。
这些宏基因组测序仪，将成为应对未来大流行的完美预警系统。
这正是我们研发它的原因，也是我们迫切需要它的原因。
要可靠制造所有这些医疗设备，成本是关键。
如果你想让宏基因组测序仪普及到全球大多数医院，它的价格不可能是100万美元，甚至10万美元都不行。
它必须具备成本效益，这需要通过机器人工厂进行大规模生产。
在机器人工厂生产，不仅能显著降低成本，还能获得更高的产品质量。
这是一个圆盘，你把样本滴入圆盘，通过旋转，在盘上完成所有测试。
它非常了不起，在设备与圆盘的制造过程中，房间里空无一人，完全自动化。
室内种植
室内种植，可以将农业用水量减少90%。这一点至关重要，我们正面临全球性粮食短缺。
到2050年，非洲将成为人口最多的大洲。
现在亚洲遥遥领先，有人口大国印度与中国，未来非洲的人口规模将超越亚洲。
我们需要生产比现在多得多的粮食，我们将面临水资源与耕地的短缺。
我们不能再继续侵占自然栖息地来开垦农田，唯一出路是提高农业效率。
通过在温室中进行移动式种植，我们可以解决这个问题。
植物只有在收获前几周，才需要较大空间，其他时间可以在更紧凑的环境中生长。
如果能根据生长周期移动植物，就能极大减少用水与占地，保护自然栖息地。
室内种植，意味着我们可以在靠近城市中心地方生产粮食。
我不是建议在纽约市中心建温室，可以在离纽约50英里地方建。
在靠近人口中心的地方种植，可以大幅减少将食物运往城市的碳排放，食物也会变得更新鲜。
在温室里，可以实现每天清晨采摘，下午送达杂货店，晚上出现在人们餐桌上。
食物不仅更新鲜，成本更低，营养更丰富，味道自然更好。
我们正在着手建造这些机器人温室，正如我跟马斯克开玩笑说的，这可以用作火星栖息地。
这座宏伟的建筑，可以把它想象成一个温室，或者干脆忽略它的外形。
下方的黄色装置是一个覆盖物，配套的是一套用于移动植物的轨道系统。
任何人都不得进入种植区，人的进入会造成污染。
我们的做法，是将植物抬起，移动到人们可以进入的收获区，进行操作。我们不允许任何人，进入种植区。
种植区内的二氧化碳含量极高，环境非常湿热，对人来说很不舒适。
极高的二氧化碳浓度，对植物生长有利，对人类并非如此。
如果你仔细观察这座建筑，会发现它没有传统的结构支撑。
它是一座充气建筑，内部维持着正气压，是通过风扇，使建筑内部压力高于外部，支撑起整个结构。它的屋顶由ETFE材料制成，这是目前已知的透光性最好的材料，这种材料也非常坚固。你可以看到钢缆，它们连接着拱门，固定在地基的混凝土基座上。
建造过程是，先让机器人挖好地基，将钢缆固定在地基上，启动风扇，建筑就会像气球一样被充起来。
你可以将整座建筑，也是带有钢缆的织物结构，折叠成一个紧凑的包裹，运输到任何需要的地方，甚至可以用大型火箭运往火星。
这样，马斯克就能在里面建造他的豪宅，还能拥有一个美丽的玫瑰花园，那该多棒。
我不会去火星，我会选择这里，位于加利福利亚与德克萨斯的首批温室之一，这可比火星近多了。
这是同一座建筑的另一张照片，它们规模巨大。绿色部分是收获区，那里的墙壁可以升降，方便卡车进出运送食物。
接下来内容可能会让你大吃一惊。我们做的第一件事，已经实现，这实际上是通过我参与的Wild Bio公司完成，它是牛津大学一家公司的部分业务。
我在牛津有一个EIT研究所，这是我第一次用我的名字或家族名字为机构命名。Wild Bio是EIT旗下公司之一，他们做的第一件事，是改良小麦，小麦是一种草本植物。
他们通过改良，使小麦每英亩产量提高20%。
在粮食短缺的当下，这是个好主意。
现在，如果每英亩产量提高20%，小麦实际上做了什么，它将二氧化碳与阳光转化为食物。
如果你能种植更多粮食，就能消耗更多二氧化碳。
这些二氧化碳会去向何处，这取决于我们如何利用AI来设计小麦。
我们创造的小麦，在光合作用效率上，远超传统品种。一旦我们将二氧化碳固定在小麦中，我们就可以选择将其转化为碳酸钙，这正是珊瑚礁的形成原理。
珊瑚礁将二氧化碳与阳光，转化为碳酸钙的惰性矿物质结构。
我们每年春天在世界各地种植大量小麦，总量相当于好几个亚马逊雨林的规模。
试想一下，我们不仅能生产更多粮食，还能将更多二氧化碳直接转化为碳酸钙，将其永久从大气中移除。
我知道有很多关于如何管理气候、调控大气中二氧化碳的有趣想法。
在我们这个方案中，如果你想将大气中440ppm二氧化碳浓度，有些人认为这个数值太高，降低到400ppm，你完全可以通过种植小麦来实现，还有玉米、大豆等其他作物。
通过将二氧化碳转化为碳酸钙，我们就能将大气中二氧化碳水平，调控到任何我们认为合适的水平。
如果你认为400ppm是最佳水平，那就可以实现。
现在，也许有人会说，不，我们应该清除大气中所有的二氧化碳。
如果真有人想这么做，最好带上自己的午餐盒，一旦大气中没有二氧化碳，地球上所有植物都会死亡。
零碳绝不是目标，那是个极其糟糕的主意。
稳定气候方面，将二氧化碳浓度从440ppm降至400ppm，或许是最佳选择。我们有能力做到这一点，几乎是零成本的，这仅仅是一个被称为生物矿化的自然过程。
我们可以利用粮食作物，在提高粮食产量同时，降低大气中二氧化碳水平。
这是我所理解的AI，一个神奇的工具，它能帮助我们解决许多长期悬而未决的难题，社会中存在的诸多争议，我们绝对有能力实现这些目标。
玉米
农业面临的另一个巨大挑战，是氮肥的使用。
为了提高产量，人们为作物施加大量肥料。
问题在于，肥料由氮构成，降雨会将大量氮肥冲刷到河流与海洋中，对环境造成严重污染。
与其依赖氮肥，我们为何不让植物直接利用大气中储量丰富的氮，我们可以通过基因工程，让作物自己从空气中固氮。
我们知道如何实现这一点。自然界中存在固氮酶的物质，它能够吸收大气中的氮，大豆是利用这个原理。这曾经是大豆等少数作物的独有能力，它们吸收大气中的氮，并将其作为养分。
这样一来，就不再需要使用氮肥，可以彻底摆脱它。
在非洲，许多农场主根本无力承担氮肥的费用。
即使对用得起的农场，这既是浪费资金，又对环境有害。
你可以设计出，能直接从大气中获取氮的植物。
这些植物的口感、营养、健康程度，与使用化肥种植的植物毫无二致。
这是AI帮助我们解决的又一个重大问题。
自主无人机
我们都见证无人机在乌克兰战争中的军事应用，这场可怕的欧洲战争。
幸运的是，除了战争用途，无人机还有许多非凡的应用。
我们构建了一套无人机交通管制系统，已在实际应用中，使用无人机，从诊所运送血液样本到检测实验室。
我们还开发了一种RFID样本保险库的系统，在样本上贴附RFID标签进行识别。这样一来，除了最终接收方，整个运输与保管链中，没有人知道这份血液样本属于谁，例如是不是拉里·埃里森的。
检测结果会上传到云端，最终同步给我的医生与我本人，这种方式，能够彻底保护我的个人隐私。
有时候他们也能很好保护我的隐私，通过弄丢我的血样，或者把它与别人搞混，这不是我们想要的隐私保护方式。
我们建立了样本保险库，用于将样本从诊所高效、安全运送到实验室。
无人机另一个重要用途是，它们可以搭载红外相机，即时发现森林火灾，甚至可以找出纵火者。可悲的是，加州一些火灾，比如帕利塞兹大火，是由纵火犯引起的。
这是令人难以置信的悲剧。
利用无人机，我们可以瞬间发现火情，立即展开扑救。如果有人纵火，我们也能迅速锁定他们。
我们不应该再让警车在公路上高速追逐嫌犯。
这种场面在电影里很酷，在现实中，对警察、平民、周围车辆都极其危险。我们可以用无人机来追踪这些车辆，这是一种好得多的方式。
你可以将这些无人机，部署在像帕利塞兹这样的地区，尤其是在旱季。
它们还能用来搜寻在野外迷路的徒步者，这些设备是便携式的。
请务必阅读免责声明与风险提示
