从根本上改变了媒体的创作方式、交付方式和体验方式。为了实现这一愿景，我们推出了一款名为 Oracle Media Fabric 的产品，这是一组协同工作的应用程序组合。其中包括 AI 媒体模型和创意工作室（Creative Studio），以提供全新的创作工具；Video Edge 是我们最新的内容交付技术，而我们的自适应媒体平台则改变了受众与内容的互动方式。接下来我们将逐一深入探讨这些内容。首先，我们的媒体模型构成了创意工作室的基础。
这些模型的起点是可信的数据。确保在使用这些模型时，生成的数据能够用于您的目的至关重要，这能让您充满信心。它支持静态图像和视频生成。同样关键的是，您可以使用自己的内容对这些模型进行定制，由此产生的专属模型仅归您所有。Oracle Creative Studio 重新构想整个制作流程，工作流程围绕 AI 进行了重新设计。您利用这些模型来增强创意过程的方方面面。
Creative Studio 不仅显然与我们的 AI 媒体模型集成，还与其他提供商的其他领先模型进行了整合。为了展示其工作原理，让我们快速看一下。生成式 AI 正在扩大创作者的范围以及他们所能制作的规模。个人创作者可以将更大的想法变为现实，工作室可以更快地开发更多故事。Oracle Creative Studio 将这种雄心壮志与生产连接起来。您将获得一流的 AI 模型，包括用于图像和视频的 Oracle AI 媒体模型。
Creative Studio 有助于确保数据溯源、知识产权管理、协作以及跨工具和系统的生产智能，同时帮助控制成本和质量。连接故事、角色、场景、资产等。发现您拥有的内容及其可能的发展潜力。将剧本转化为分镜脚本，进行动画制作，在正式生产前完善动作细节。让演员从绿幕片场进入您希望的任何世界，例如帆船、屋顶、空间站或农贸市场。
然后以不同的演员阵容重新想象同一场景。从工作室制作到下一个 TikTok 杰作，创作者始终保持控制权，探索更多想法，实现更多故事。Oracle Creative Studio 赋予更多人将想象变为现实的力量。当然，如果您担心，制作那段视频时没有伤害到任何祖母。这全都要归功于 AI 的力量。
好的，Oracle Video Edge 是一种不同类型的內容交付系统。这不再仅仅是静态内容的缓存容器。它还包含用于内容优化和内容生成的边缘计算能力。这对于直播活动和动态体验至关重要，其结果是更高质量的流媒体传输和新一代的功能集。让我们看看它是如何工作的：您经历过这种情况，正在直播重大赛事，一切取决于这一刻，然后出现了令人头疼的加载旋转图标。
Oracle Video Edge 旨在帮助您保持在行动中。它编排跨云、内容分发网络（CDN）和互联网提供商的视频交付，由运行在靠近观众边缘的逻辑进行优化，传输基于新兴的开放标准“媒体 over QUIC”。延迟的数据包不必阻碍其后的每一帧，这意味着播放可以快速开始。当带宽紧张时，系统可以优先处理音频和最重要的视频帧，帮助您听到解说并尽快恢复清晰的画面。
Oracle Video Edge 将新一代边缘计算带到观众身边， enabling 完全新型的流媒体体验。对于负责交付重大赛事的团队来说，Oracle 为您处理了确保成功的复杂性。这是围绕您来这里的目的——享受这一刻而构建的内容交付。好的，接下来我们的自适应媒体平台将 Creative Studio 和 Video Edge 功能结合在一起。它实现了以前不可能实现的体验。
突然间，我们都能体验到相同的直播活动，但实际的交付是针对每个人定制的。我们已经习惯了在线获得的控制水平和个性化体验。自适应媒体平台将这些相同的能力带入了传统媒体领域。让我们看看它是如何工作的：Oracle 自适应媒体平台正在转变消费者体验，使其更具相关性和个性化。它结合了最新的媒体技术和 AI，连接内容创作、个性化和交付。
这意味着广告针对每个受众量身定制，直播观看体验在直播期间对每位观众来说都感觉是个性化的。相关性意味着实时为不同观众定制广告。从一条原始广告开始，利用 Oracle 自适应媒体平台，团队确定需要更改的内容——产品、环境、信息或针对特定受众的行动号召。选择 Oracle AI 媒体模型和其他模型以获得理想结果，在直播期间为不同观众生成广告变体。
这意味着以极低的生产成本提供高质量的广告。通过 Oracle Video Edge 大规模交付正确的广告，或通过现有工作流程将其分发到传统广告网络中。借助 Oracle Adaptive Media，您的流媒体体验可以完全符合您的需求。您可以与喜爱的名人一起加入观看派对，并与 fellow fans 分享这一刻。在幕后，AI 会根据事件发生的情况建议趣闻和其他体验内容。
制作人选择一种体验并为您做好准备。同一信号可以投放带有您姓名、优惠信息和二维码的个性化广告。Oracle 自适应媒体平台使消费者体验更具相关性、更个性化且更有吸引力。好的，因此 Oracle Media Fabric 为行业中的每个人提供了所需的东西。创作者现在可以以更低的成本、更快的速度创作更高质量的内容。广播公司提供更引人入胜、更高质量的直播体验，而消费者则获得参与和定制共享体验的新工具。
目前该产品已在有限范围内向部分关键客户开放，但我们将于明年早期正式推出。安全是一个快速发展的领域，这在许多不同维度上都是如此。AI 正在推动我们保护数字系统方式的重大转变。因此，为了进一步讨论这一点，我将邀请 Rob Clark 上台，他是安全架构副总裁。Rob，请出来吧。
首先，你得调整一下枕头的位置。如果不正确调整枕头，整个结构就会散架。好的。那么，安全领域正在迅速演变。我觉得人工智能发生了很大变化，而安全措施也不得不随之适应。我们经历了多次转型。让我们从头开始回顾一下，当时我们主要只是利用人工智能来回答问题。这对安全产生了什么影响？我认为这段旅程中最有趣的一点是，我们学到了新技术可能会让老问题重现。
起初，大型语言模型被用于支持类角色，它们可以访问内部文档和训练数据，这与你的客服人员所拥有的权限类似。很快，恶意行为者就意识到他们可以说服这些模型泄露秘密和折扣码，说出作为公司绝不会对客户说的话。这确实是一个古老的安全教训：不要信任用户输入，也不要让前线系统访问敏感信息。
随后模型继续进化，突然我们开始使用这些令人惊叹的新人工智能模型来编写软件，这从根本上改变了风险状况。在这种情况下该怎么办？好吧，归根结底还是信任问题。但现在我们意识到，即使是我们熟悉且经过培训的开发者编写的代码也不能完全信赖。
我们通过一次早期的警钟意识到了这一点，其中一个人工智能包含了一个恶意包，并试图将其部署到生产环境中。这实际上针对的是我们的构建系统，旨在窃取密钥和机密信息等材料。虽然我们通过供应链安全系统捕获了它，但这确实是一个强烈的提醒：即使是构建和测试系统也不能信任传入的代码，哪怕代码来自你信赖的开发者。
接着我们向前迈进到下一步，推理模型突然变得更加强大，我们认为自己知道该怎么做：应该给这些相同的模型访问所有工具的权限。如果不加限制地这样做，似乎会造成很多问题。对此我们该怎么办？好吧，到那时我们知道信任是关键。所以我们要确保根本不需要信任这些东西。
我们构建了一个强大的沙盒环境，采用虚拟化、仪器化和极其详细的日志记录技术。它非常安全。听起来很棒，效果如何？一点也不好。我们的开发人员真的不喜欢使用它。它引入了太多的摩擦，几乎剥夺了所有的好处。
基本上就是要在“给予工具访问权限并让它随意操作”与“安全但无用”之间做出选择。那是我们当时所处的境地。如果我们都不喜欢这两个选项，真正的解决方案是什么？我们与人工智能供应商合作开发了新型的企业控制措施。这意味着无需安装额外的堆栈，支持也更好了。
我们在整个范围内获得了企业级的可见性和控制权。每当这些供应商向我们提供新的模型或功能时，只要它们支持我们同意的控制措施，我们就可以在整个公司范围内推出它，这让开发人员更加满意。
现在我们有更满意的开发人员，这总是很重要的。感觉我们已经过渡到一个人工智能可以突然发现漏洞并利用它们的世界。对很多人来说，这非常令人担忧。接下来该何去何从？我认为未来几年将充满挑战。但重要的是要记住，作为建设者我们拥有优势。
我们使用与恶意行为者相同的模型，但通常我们能更早接触到这些技术。我们可以访问源代码、架构文档以及所有能引导工具变得更有效的资料，这使得它们比在外部使用时更有效。
好的，我们有了一些技术，但如何实际使用这些技术来帮助自己和客户呢？在甲骨文内部，我们构建了一台机器来不断发现和修复问题。这是一个基于源代码进行假设、在现实世界中针对测试机验证、构建补丁的良性循环，并且全天候在我们的整个技术栈上运行。
它为我们带来的一大优势是，我们在云中发现了一些问题，并利用甲骨文 KSpice 等技术进行了修补，为客户实现了零停机时间。
现在变化的速度是之前的数量级之多。一家典型公司如何跟上这种极快的变化节奏？这很难。我认为教训是尽可能迁移到云端，并在无法迁移时缩短补丁前的验证时间。现在的修补工作比以往任何时候都多。
公司正在学习如何使用代理来加速本地部署的测试和验证，并优先考虑迁移到云端，因为显然那里的修补工作是由云服务商完成的。我们正在投资以简化客户向云端迁移的过程，并开发一些跨越云端和本地的新安全工具，真正帮助客户确定修复的优先级和时机。
那么接下来会发生什么？我们到底该何去何从，罗宾？我对未来相当乐观。尽管会很艰难，但我认为我们正在进入一个软件质量更高的新时代。这些漏洞并不新鲜，人工智能并没有制造它们，而且我认为很快它们就会永远消失。
我们构建了我之前提到的那台用于发现和根除这些漏洞的机器，以及工具。我们在整个软件开发生命周期中使用相同的机制，以确保它们永远不会被重新引入。所以我相信未来将是补丁更少、软件更安全的时代。
好的，谢谢你，罗宾。感谢你出席。很明显，人工智能要求我们改变处理安全的方式。代理的世界需要新的认证和授权方式。这不仅适用于代理，也适用于我们如何看待人类以及他们如何被认证和授权。
所以我们生活在一个人工智能越来越能够模仿人类的世界中。很多时候，我们实际上需要确信我们认为的那个人是真实的。
做事的其实是我们认为正在做某事的那个人。当你考虑像“人在回路”审批这样的机制时，它只有在真正有人参与的情况下才有效。因此，为了帮助实现这一点，我们添加了生物识别功能。这些包括面部识别、语音识别、指纹识别以及其他方法，现已加入 Oracle 身份与访问管理。
其用例非常广泛。它们涵盖帮助您验证员工、确认敏感操作以及批准代理任务，随着越来越多的工作由代理完成，这一点变得愈发重要。现在，代理采用我们赋予它们的身份。我想我们都有一些朋友——我自己也有几个（尽管我不确定我是否有真正的朋友）。
但我有些朋友给代理访问他们笔记本电脑和电子邮件的权限，结果发现情况变得很棘手。起初觉得这真的很酷，但后来他们开始和 AI 代理争论：昨晚那封醉酒邮件是我发的吗？还是你发的？这种混乱让他们不知所措，不知道事情怎么会发展到这一步。我认为总的来说这是个坏主意。
这就导致了关于谁做了什么变得非常混乱。相反，我认为我们需要一个新的身份系统，真正在代理规模上运行。这意味着你需要能够快速创建大量身份的能力，同时也需要能够删除它们。为了支持这一点，我们在 Oracle 身份与访问管理中添加了代理身份功能。
一旦代理拥有身份，我们还需要控制其操作的方法。你需要从极少量的访问权限开始，然后在必要时逐步提升权限。权限需要最小化且仅在短时间内有效。你还需要能够指定某些操作需要特殊批准，有时甚至是特定的人工批准。
结合生物识别、代理身份和即时访问权限，是确保代理负责任地行事的唯一途径。现在，如果我们超越身份管理，我们还需要新的工具来发现和修复漏洞。正如 Rob 与我们分享的那样，代理可以发现并修复这些漏洞。为此，我们推出了一款名为 Oracle AI Security Mesh 的新产品，帮助客户利用网络安全模型来改善所有系统的安全性。
我们专注于从 Oracle 自身经验中吸取的教训，即如何保护我们的产品云系统。AI Security Mesh 提供了一个平台，用于分析所有系统、发现漏洞、修复它们并将其发布到生产环境中。让我们看看它是如何做到的。Oracle AI Security Mesh 使任何公司都能使用先进的 AI 模型来发现漏洞并在攻击者利用之前部署修复程序，且无需任何 AI 专业知识。
这是一个例子。Northstar Manufacturing 希望降低其企业范围内的风险。Security Mesh 发现了 Northstar 在其本地和云环境中的基础设施和应用程序。它识别出可能成为目标的业务关键系统。从那里，专门的 AI 代理使用先进的网络安全模型、源代码以及 Mesh 对 Northstar 环境的了解来测试潜在的攻击路径。
在这里我们可以看到他们发现了严重的问题：未登录的人可以从订购 API 读取数据，该服务中的配置问题使其能够访问其他系统，让攻击者接触到敏感数据。另一个代理随后验证完整的攻击路径以确认其真实性，并将这些发现和建议的修复方案打包成报告。
编码代理使用这份报告来修复 API。Mesh 更新应用程序的云配置，使其只能访问所需的服务和数据。在两项更改部署后，我们确认 API 块工作正常。由于系统从每次发现中学习并协助您修复问题，未来的安全测试和建议的修复方案会变得更加智能。
希望 AI Security Mesh 没有导致那个视频发生的情况。好吧，AI 正使我们能够构建更安全的系统。更好的身份验证、更好的授权和锁定访问权限一直是最优实践，但现在我们真正能够落实它们。自己发现漏洞并能够快速生成修复方案远胜于其他选择。
我认为大多数人都会同意，AI 正在迅速改变基础设施。你知道的，幕后软件、我们用来运行它的软件、操作方式都在变化，但最明显的是，它改变了我们要构建的内容。所以我想花几分钟时间看看最近因 AI 而在基础设施方面发生了多大的变化。
Nvidia 长期以来一直是 AI 加速器的明确思想领袖。从 2017 年 P100 的发布到 2023 年的 H100，一切都在变大。功率密度增加、网络规模扩大、集群尺寸上升，对吧？你突然向前移动到 2024 年，AMD 决定通过发布 MI300 参与其中。Grace Blackwell 在 2025 年引入了一种新型系统。
突然间，Nvidia 创建了真正的机架规模计算，完全集成在 Vlink 中。你拥有一个在所有层面都经过 AI 优化的系统，从电源设计到网络、CPU 以及 GPU 本身。在一年前的这次会议上，我们推出了 Acceleron，这主要关乎提供更高性能和更大规模的 AI 网络。
该技术的关键部分之一是多平面后端网络，它提供更好的可靠性和更高的性能。现在让我们回到当下。我很兴奋地宣布，我们已经开始向客户交付我们的首个 Vera Rubin 系统——Vera Rubin 是我们部署过的最强大的系统，我们看到对这些系统有巨大的需求。
Google 是另一个在这个领域深耕已久的硬件提供商。他们多年来一直在构建自己的硬件，我们很高兴将 TPU 带到 OCI，从 TPU V8 开始。我们还添加了多种其他加速器。AMD 的 MI300X（注：原文为455，推测指MI300系列或笔误，此处依音译或通用理解处理为最新机架级产品）是其最新的机架规模产品。Positron Atlas 提供了一种专注于能效的专用推理选项。
我们显然花了很多时间与 OpenAI 合作，并与他们以及 Broadcom 及其 Jalapeno 芯片紧密协作。该芯片是围绕其 AI 模型和定制硅片共同设计的，而 Cerebrus 和 Samanova（注：原文Samonova）都提供了极低延迟的推理选项。我也很高兴谈论今年我们要随 Acceleron 发布的一些新事物。
我们采用了之前投入的相同技术，
将其引入后端网络，并真正推向前端。因此，我们突然提供了多平面前端网络。这带来了更好的弹性、更高的性能，而且幸运的是，它还通过你的前端网络提供了 RDMA（远程直接内存访问），这在与我们要推出的新存储产品结合时至关重要。首先，我们与 NetApp 建立了出色的合作伙伴关系，将第一方 NetApp 产品引入 OCI。NetApp 一直是面向企业和人工智能存储的长期供应商。此外，我们还为 Weta、Vast 和 DDN 等公司推出了针对 AI 加速存储的新合作伙伴计划，该计划已集成到 Acceleron 中。这意味着你现在可以通过 Acceleron 使用 RDMA 与所有这些不同的 AI 加速器进行存储通信。
在 Oracle，我们长期以来一直在投资多种类型的区域（Region）。从最小的专用区域——仅包含三个机架，到最大的 AI 区域——跨越数百万平方英尺和数千英亩的园区。AI 正在改变我们构建区域的地点以及方式。为了帮助我解释一些正在进行中的有趣变化，我想邀请计算执行副总裁 Praep Vincent 上台。
刚才那段演示非常精彩。记得吗，你得从枕头开始做起。Rob 做得很好，实际上是那些枕头为我们完成了所有工作。“是的。”“他们甚至都看不到那些枕头。这才是最棒的部分。”好的，非常精彩。AI 有不同的需求，对吧？突然之间，在基础设施方面，我们正在构建更大规模的站点。为什么会这样？以及它对哪些领域影响最大？
“是的。”那么，如果你思考 AI 基础设施，我们确实需要将整个 AI 基础设施视为一台大型计算机。这才是关键区别所在。在 AI 基础设施中，我们将大量高性能计算设备放置在非常有限的物理空间内，并通过极其强大的网络将它们连接起来。这本质上促使我们以截然不同的方式思考电力、冷却和网络问题。“好的。”
刚才我简要提到了 Acceleron。我们去年推出了它，并增加了一些很棒的新功能。为什么 Acceleron 对我们整体 AI 战略如此核心？“嗯，这全在于网络。”所以当你有一个 AI 集群时——特别是用于训练时——你知道的训练算法的工作方式是，如果单个 GPU 因为网络数据包延迟而受阻，整个集群的速度都会慢下来。举个例子，如果一个拥有十万个 GPU 的集群中，有一个 GPU 延迟了 1 秒，那么整个训练过程现在就会因为这一个 GPU 的 1 秒延迟而损失 28,000 个 GPU 小时的计算时间。如果你仔细想想，这真是一个巨大的交通堵塞。“好的。”
我甚至不想去想更长的延迟会是什么样子。浪费的 GPU 小时数加起来非常快。Acceleron 如何改善这种情况？“是的。”那么，如果你思考网络问题，众所周知，网络中始终存在冗余路径。当出现拥塞或某些故障时，我们总是拥有冗余链路，以便数据包可以走不同的路线。但是通过 Acceleron，我们将这一点提升到了新的高度。我们不仅拥有冗余链路，现在我们实际上拥有了完全独立的冗余网络本身。所以所有 GPU 都连接到多个网络平面（Network Planes），而每个网络平面实际上是完全独立的。因此，如果任何网络平面出现问题——无论是交换机还是 GPU 本身——它们本质上会将数据包重新路由到完全不同的网络上。
“好的。”嗯，是的，我仍然认为多平面网络非常酷。那么，让我们转到一个新话题。我认为在 AI 基础设施中有一个被低估的领域是电力生成和调节。我记得几年前，我想我们俩都没有充分认识到该领域的复杂性。在基础设施方面，AI 工作负载有什么不同之处？
“是的。”那么，如果你思考电力如何在 AI 基础设施中使用，你知道有两种方式来理解其影响。归根结底，这实际上与 AI 无关；任何大型工作负载在电网上都面临一些挑战。此外，还有一些特定于 AI 的挑战。现在如果你思考电网，你知道你有电力发电机和电力消费者。在电网中，始终存在一种拉锯战，但这场拉锯战的目的是相反的：我们希望保持两侧的稳定，我们不想把另一方拖垮。所以当你的发电厂因为某些问题离线时，电网通常会受到一些干扰。“现在”你可能会以家中灯光变暗的形式看到这一点，然后它最终会恢复。
“作为负载的大型消费者”如果我们反应过度会发生什么？电网会从低负载状态突然摆动到高负载状态，然后 destabilizes（使不稳定）电网。所以当我们实际上从电网中移除负载时，非常重要的一点是我们必须以负责任的方式、缓慢且有条不紊地进行，并与电网协调一致，而不是突然移除负载。“明白了。”所以作为一种大型电力消费者，这就是你必须做的。但这并不是说……我的意思是，虽然 AI 工作负载确实很大，但我们已经拥有大型数据中心很长一段时间了，从这个意义上说并没有不同。这些 AI 工作负载在成为良好电力消费者方面增加了哪些复杂性？
“是的。”所以，AI 确实有其自身的影响。让我们举个例子：想象你有一个空间加热器（space heater），它消耗 1 千瓦的电力。如果你反复不断地打开和关闭这个空间加热器，那对电网来说没问题，因为家里的 1 千瓦加热器与整个电网相比不算太大。所以电网可以处理这种情况。现在，想象你在 100 万个家庭中拥有 100 万台空间加热器。并且假设你找到了一种协调一致的方法，在完全相同的毫秒内同时打开所有 100 万台空间加热器，然后关闭它们，再打开，如此反复。那实际上对电网来说是个挑战，他们会注意到的。“所以是的。”我想如果发生这种情况，他们确实会想办法去所有 100 万个家庭告诉你请停止。
没错。传统IT负载并非以这种方式协调，即使大型集群未进行协调，我们如何解决这种协同工作负载的问题呢？是的。我们通过结合大容量储能装置和强大且精密的电力电子设备来控制能源来源来实现这一点。储能装置可以是电池，有时是电池与超级电容器的组合，特别是在我们需要极高频率的充放电循环时。想象一下，假设拥有10万个GPU的大型集群突然负载激增，我们的做法是：能源系统不再将全部负载转移给电网，而是直接提供部分能量。
随后，电力电子设备确保从负载端和电网端看到的功率上升过程相当平滑、缓慢且稳定，以便电网能够承受。同样的情况也发生在集群突然关闭负载时——无论是训练作业完成还是发生崩溃等意外，储能装置现在会自动开始充电。这本质上承担了一部分负载，而电力电子设备确保电网所承受的负载整体上是温和的。
是的，所以你的意思是，我们只是创造了一个相当于巨型减震器的电气等效物？没错。好的，非常感谢Praep，我很感激你抽出时间前来分享。不客气，这是我的荣幸。因此，基础设施的每一个方面——从发电和冷却、电力调节，到数据中心的建设方式与地点、规模，以及内部的网络存储设施，当然还有我们放入这些数据中心的人工智能加速器——都在因人工智能而经历快速变革。
接下来谈谈数据领域，人工智能正在改变整个数据生态系统。回顾几年前，事情确实是从结构化数据开始的，大多数人将结构化数据存储关系型数据库中；随着时间的推移，我们进入了数据仓库时代，人们使用更多的关系型数据库来处理分析负载。随后我们又迈入了大数据时代，突然之间你可以将所有数据——所有日志文件、一切非结构化内容——都放置在一个大数据存储库中，然后对其进行分析。
人工智能需要访问所有这些数据，但不仅如此。它还需要你公司内部的所有信息：你需要让AI也能访问员工Wiki中的信息、消息系统中的内容以及电子邮件里的资料，也就是你的员工需要访问的一切。为了帮助实现这一点，我们赋予AI数据平台分析企业数据和生成人工智能本体论的能力。此前，业务上下文被编码在单个应用程序内部；而现在这些本体论为人工智能提供了至关重要的业务背景。
这对于智能体回答复杂问题、编写软件以及为你做出决策都是必不可少的。与此同时，我们还推出了AI数据平台创新服务，这是一套由前线部署工程师组成的团队，旨在帮助你更快地实施这些系统。多年来，Snowflake在Co-work、Coco和Cortex AI等产品上投入了大量资源进行人工智能研发，现在我们将Snowflake平台带入OCI（Oracle Cloud Infrastructure），以便Snowflake客户能够将其与Oracle工作负载并行运行。
我们的共同目标是确保客户充分利用其所有企业数据。人工智能也在改变谁或什么在访问数据。传统上，这是由具有定义身份的人或由人编写的软件进行的；突然之间，变成了以智能体为主导——由人工智能智能体编写软件或智能体直接访问数据。因此，在Oracle，我们有着将每种数据能力添加到Oracle数据库中的悠久历史。最近，我们创建了深度信任人工智能架构，这实际上涉及将数据控制推送到数据库层面，细化到每张表、每一行甚至每个具体的列。
现在策略在数据库内部强制执行。结果是，无论谁访问数据，都能提供更好的保护。此外，人工智能也在改变数据的交付方式。我们在这方面已经工作相当长一段时间了。为了更深入地探讨围绕人们体验数据方式的变革，我想邀请Chris Rice上台。别走太快了，Chris，你会超过我的。没地方可去啊。不，我们会越过那些枕头。好的，Chris。我想你知道，你为Apex工作很长时间了。我猜在座很多人对Apex是什么、我们为何构建它，或者它如何帮助定义应用程序的一致基础并不十分熟悉。你能多讲讲它是如何工作的吗？
当然可以。Application Express（Apex）一直旨在帮助业务用户构建应用程序。这意味着我们试图让业务用户可以通过友好的Web界面，通过点击操作来构建应用。他们可以专注于解决商业问题，而不必关注底层所需的技术、框架或语言。在这个Web界面之后，实际上有一个运行时环境来运行整个应用程序，使其处于一个安全且受控的环境中。
好的，那么结果就是业务用户可以更贴近目标。这如何应用于人工智能编码智能体的世界呢？嗯，这才是真正有趣的地方。我们退后一步审视Apex提供的功能，并意识到其核心力量在于运行时环境。因此，我们将应用程序的定义提炼成了一种新的语言——一种在应用层面的语言。这样我们就可以将这种语言交给智能体，让它们在受控的安全运行时环境中构建应用程序。
好的，我想我们有一段视频来看看它是如何工作的。这是一个用于员工入职的应用程序，使用自然语言解释所需功能，然后通过Apex Lang（即应用程序定义以及所需的数据库结构）生成。Oracle Apex是一个经过验证且值得信赖的运行时环境，在超过20年的时间里运行着数百万个企业应用程序。此应用显然托管了员工信息
APEX 深知这一点，并施加了正确的限制措施，确保数据仅对拥有查看权限的其他员工可见，而应用构建者无需为此操心。此示例展示了如何使用 APEX Lang 和 APEX 运行时赋能每家企业，让员工以最小化技术债务、确保应用安全、基于角色限制访问权限以及提供由 Oracle 维护的技术栈的方式，安全地编写应用。
“好的，但 Chris，我的意思是 AI 已经能够生成应用了。呃，我为什么还需要这个？”我们都见过由 AI 生成的那些应用。但这个运行时有一个强大的功能：如果你让代理执行某项任务，它可能会在本地构建某些内容或使用本地文件。然而，它可能尚未与你的身份系统进行集成。
一旦你有一个有用的应用需要被他人访问，你就必须将其与身份系统集成。此时企业的 IT 治理可能会介入。其中可能包含一些个人身份信息（PII），或者薪资信息。所有这些都在数据库内的应用层强制执行，并将身份验证一直推送到数据库中，使其处于一个安全且受治理的位置。这支持了所有必要的企业治理和监控指标的实施。“好的，嗯，公平地说。但我的意思是，为什么 APEX 是标准化的正确技术选择，而不是说‘嘿，我们就选一些 Web 框架，专注于 Python 之类的’？”
“那么会发生什么呢？你可以那样做，然后你会发现实际上你要指示 Python 去做这个运行时提供的大量工作。假设你公司的身份态势发生了变化，而你只编写或生成了一应用，没问题，更新那一个应用即可。现在假设你启用了企业环境，拥有上千个这样的应用。”
“这时，与其在运行时更改一个应用的定义并让运行时强制执行，你实际上是在对一千个 Python 程序、一千个容器甚至更多进行改造。”“好的。我觉得我们已经做了很多工作，对吧？APEX 已经存在很长时间了，还有 APEX Lang 等等。你认为接下来会发生什么？我们应该如何超越 APEX 来思考这些问题？”
“我认为我们学到的教训是，在使用 AI 和代码生成构建应用时——正如你之前提到的那样——你需要赋予 AI 以它所需的最顶层抽象级别来完成任务的能力。你不能给它更底层的抽象。如果你是在编写操作系统，也许它需要非常低级的编程语言；但如果你是在编写商业应用，你不需要那样做，你可以停留在应用层。”
“好的。好吧，Chris，谢谢你过来。我很感激你的时间。”“谢谢。”“那么，我们如何将其提升到下一个水平？我认为这始于让每个人都能编写应用。Oracle App Composer 是我们创建的一个新产品，正是为此而生。它结合了类似 Codeex 这样的工具编写代码的能力，以及一个平台，使企业能够轻松治理、控制和保护这些应用。”
“现在，让我们看看 Oracle App Composer 是如何工作的。Oracle App Composer 将商业创意转化为有用的应用。以 Nina 为例，她使用 Codeex 为 Superior Data Systems 构建了一个营销发布日历。她要求 App Composer 部署该应用并与整个市场营销团队共享。”
“IT 批准的配置文件定义了库、安全控制措施和数据规则。App Composer 检查该应用，并将其部署到 Oracle Cloud 中的市场营销生产环境。Nina 的应用拥有内部公司 URL 和公司单点登录（SSO）。她与团队共享了该应用。”
“我是这里的人，我和 Nina 的市场营销同事 Leo 在一起。Leo 打开发布日历以链接 SharePoint 文档，Nina 可以看到他的贡献。”“非常感谢你……” Alex 是 Nina 公司的 IT 管理员，他管理应用配置文件、部署环境以及公司单点登录和监控。
“仅仅因为 Alex 管理这些应用，并不意味着他被授予访问其中包含的业务数据的权限。”AI 洞察帮助 Alex 和其他 IT 管理员发现重叠的应用，并召集其所有者进行审查。它标记出仍部署但未使用的应用，以便管理员审核是否可退役。当活跃应用没有当前所有者时，可以分配一个所有者。”
“Oracle App Composer 将商业专业知识转化为企业应用。好吧，我觉得我们要么多鼓掌，要么少鼓掌。我们不能有这种中间状态的掌声，这没有帮助。”Oracle AI Workspace 是另一个产品，它整合了你所有的 Oracle 数据。这些包括你数据库中的数据、OCI（Oracle Cloud Infrastructure）、Fusion、NetSuite、你的行业应用，以及你所有的非 Oracle 数据。
“还包括 Slack、Office 365、你的 Wiki 等内容，并提供统一的体验来回答问题并驱动整个企业的工作流。我们对这款产品非常兴奋。我们与 OpenAI 深度合作构建了它。”“让我向你展示它是如何工作的。Oracle AI Workspace 是一个通过单一界面连接你业务的 AI 体验。”
“我收到了来自 Workspace 的警报。供应商延迟威胁到关键客户的 70 个控制单元的生产。Northstar 将在两周内开设一个新的配送中心。他们需要这批订单在周五前到位，以保持整个 Oracle 应用、数据和第三方工具的计划进度。”
“Workspace 自动找到一个计划来挽救订单，同时满足我们的业务需求。无需自定义连接。”Workspace 协调 Oracle AI 代理，使用公司 Oracle AI 数据库中的规格来识别合格的替代产品。它还从会议记录中获取客户的接收要求，并从团队聊天中获取仓库可用性。”
“有了这些上下文，Workspace 构建了一个恢复计划。它使用 Fusion Agentic Applications（Fusion 智能体应用）和 Fusion Claw——一个用于复杂任务的 AI 引擎，来规划具有成本效益的交付方案。”
“Workspace 检查资金状况并提出订单变更建议，这一切都在 Fusion 中完成。在没有获得所需批准之前，不会发生任何变化。”一旦获批，Oracle 执行该计划，我们能够挽救 Northstar 的开业活动，同时保持我们的利润率。以前我们会花费数小时协调恢复工作，仍然会在聊天和电子邮件中遗漏关键细节。”
“从这里开始，我可以使用 Oracle App Composer 将此工作流转化为一个应用，并在 OCI（Oracle Cloud Infrastructure）中部署它。这为我的团队提供了一种可重复的方法，以确保未来客户订单的顺利进行。”
很高兴知道作为观众，我们是在边学边走。还有另一件事让我们非常兴奋：我们希望让新企业能够轻松采用并利用这些新技术。为此，我们将NetSuite QuickStart捆绑在一起，这是我们要面向初创企业的最新财务软件，同时提供OCI和OpenAI的额度。结合起来，您可以充分利用Oracle和OpenAI的技术优势。接下来，我想进一步讨论我们如何通过与OpenAI的合作构建这些令人难以置信的新技术，请欢迎Sam Altman上台。
谢谢你的到来，山姆。 >> 感谢邀请我。你们一直在做很多工作，创新的步伐显然令人难以置信。从我个人的角度来看，模型的变化速度似乎在不断加速。你们在八月推出了GPT-6，进展如何？ >> 变化之快是我今年最大的惊喜之一。我们谈论了它过去四年的速度，我们在近四年前推出了GPT-4（字幕误识别为FGFT）。四年前我们的模型无法解决小学数学题，而现在它们正在攻克我们已知的最难未证明数学问题。但在过去的六个月里，感觉比那个时间框架还要加速得多。GPT-6是其中一个时刻，我认为模型在发现新知识、做非常困难的事情方面同时迈出了一大步，同时也让人们能够以以前从未有过的高效率与模型协作并完成大量实质性工作。
因此GPT-6的采用是我们迄今为止任何新模型中最强劲的，看着人们在不同行业——无论是编码、企业软件的任何版本还是安全或科学领域——使用它所做的一切，真的非常令人惊叹。是的，我知道显然在Oracle内部我们是OpenAI的大用户，我们决定向所有人推出ChatGPT桌面版。但同样让我惊讶的是，如果你看看CodeEx（字幕误识别为codeex），以及它作为开发者的集成情况——如今我们超过70%的软件是由AI编写的，而且这一趋势仍在加速。
是的。此外，我遇到的许多人——几年前他们甚至不敢想象自己会成为开发者——现在正在创建全新的应用程序。他们在实际解决问题和创作时获得的乐趣令人难以置信。这也是我们专注于构建App Composer的主要原因之一，因为我们有太多人在构建这些新应用程序，我们需要一种安全、可控的方式来实际部署它们。你如何看待AI改变人们思考解决问题的方式以及谁能自主做到这一点？ >> 是的，你提到Oracle已经向所有人推出了这一服务，这令人鼓舞。你们一直是采用最积极的企业之一。随着我们大力进军企业市场，出现了一些惊喜，但其中之一是观察到当一家公司在全范围内推广时那些原本不认为自己是软件创作者的人——即在广义上让计算机做他们想做的事——这种观念在公司内部迅速蔓延。
所以你会看到人们，尽管他们可能不将其描述为编程——事实上我认为他们不会这么说——但现在当他们需要某样东西时，他们会制作一个应用程序来直接实现它。他们与自己计算机互动的方式、为他们的工作职能创建供他人交互的工件，这些都发生了很大的变化。就像现在变得很老生常谈一样人们说：“我觉得我在2025年初的 productivity 是2026年底的两倍，而且我更喜欢我的工作，因为我做的琐碎工作少了。” >> 是的。我认为正在发生的是，我曾经认为自己是软件开发者，虽然感觉那已经是很久以前的事了。有趣的是，似乎存在一种巨大的分离感：那种让我着迷的创造性方面——我记得小时候我想学习编程，第一次开始编程时我觉得我可以有一个想法并让它变为现实。但这种创造性方面与如何实际指示计算机做我想做的事是分开的。
我觉得现在发生的事情是，通过AI自动化这种活动的机械方面，它释放了那些原本不一定有此倾向的人的创造力。 >> 我强烈同意这一点。它在那些可能不太倾向于此的人身上释放了潜力，而对于更有倾向性的人来说，它只是赋予了更多的能力。我现在坐在电脑前使用最新工具的主观体验是：就像我在管理计算机内部的一个工厂，我可以自动化那些我不喜欢做的事情。我感觉自己不再 stumbling（磕绊）、等待或无法弄清楚某事，而是感觉可以相当连续地从一种想法移动到另一种想法而不会被阻塞。即使我对某些事情只有模糊的感觉，不确定如何去做，通常我会放弃尝试因为激活成本太高。我现在愿意探索这些不太可能但有时回报巨大的创造性方向。感觉就像我们科幻电影中承诺的那样，我们实际上只是在与计算机谈论我们的想法，一切都在发生，我们要成为背后的创造性力量。
哦，我的意思是体验是一样的。我记得我发现编程时的喜悦，我也帮助过一些年轻人体验到这一点。我现在看到30岁的人身上有同样的快乐
正在从零开始构建完整的网站以实现他们的目标，而以前他们根本没想到这是可能的。嗯……我们得继续往下讲。呃，好吧，听着，我们有时间限制啊，萨姆。嗯……好的，我想谈谈安全性问题。它正在迅速变化。你们开发的模型显然既能发现漏洞又能帮助我们修复它们，这正是我们合作并共同创建AI安全网格的主要原因之一。因为我们要看到客户需求：他们能够访问这些模型，但接下来该怎么做呢？如何指向特定对象进行验证并部署修复方案。我们在安全领域还有很多工作要做，企业应如何看待采用AI来保护自身及其数据？
如果我现在只能向一家公司推荐一件事，那就是在短期内比利用编解码器提高效率更重要的是，真正理解来自AI的安全威胁态势并加以缓解。我意识到这听起来可能有点令人恼火，就像我们在制造问题却要求你们去解决一样。但正如罗布做得很好那样——抱歉插话，AI并没有制造问题或漏洞，而是帮助我们发现了过去五十年积累的所有安全问题。我很高兴我们现在能用AI发现这些问题，而不是等待未知的黑客来告知我们。
我强烈同意这一点，我认为唯一的出路就是找出所有问题并修复它们。事实上，我们需要新的方法来修复这些问题，因为逐一修补整个供应链中的每个漏洞可能太难了。我认为我们必须寻找能够持续监控流量并防止这些被利用的新型服务。但我对AI系统发现的漏洞数量之多感到震惊，以及要领先于这一局面所需付出的巨大努力。是的，我也同意这一点，我认为这正是AI将帮助我们的地方：我们不能再手动操作，必须自动化并利用新技术来解决这个问题。
好了，最后一个问题。一年前我们无法进行这场对话，因为技术和经验都不存在。正如我们讨论的那样，一切都在加速发展。当你展望未来在软件和硬件方面的发展时，你最兴奋的是什么？大家应该考虑什么？这里有很多事情让我忍不住要说的是AI现在如何帮助我们发现新科学、发明新技术，实际上是在做创新工作以创造更好的事物。之前提到的数学问题只是冰山一角，我们在许多科学领域以及最有价值的技术难题中都看到了这一点。
AI在芯片设计方面非常出色。事实上，我们制造了一款名为Jalapeno的芯片并部署在OCI中，对此感到非常兴奋。我认为这是世界上最好的用于推理的AI芯片，在没有AI帮助的情况下是难以想象的。因此，在短短几年内，AI已从聊天机器人发展到编码代理，再到直接将计算转化为创新的能力——无论是制造芯片还是治愈疾病。这意味着我们将获得更高质量、更低成本的服务，尽管我们在理智上已经接受这一事实，但在情感上还尚未完全感受到。
我完全同意你的观点，我认为变化率仍在增加。萨姆，我想感谢你来到这里，感谢你和OpenAI所有人的伟大合作，这非常棒，我也对接下来发生的一切感到兴奋。非常感谢你的到来。
我意识到我之前说的所有内容都不如看着萨姆离开有趣，所以我会记住这一点。我知道我们有所有人的邮箱地址……好的，我们带着“AI改变一切”这一论点开始了这场对话。经过对大量证据的分析，讨论了大小事物及多个垂直领域后，我认为AI改变一切这一观点已得到充分证明。希望现在大家能清楚地认识到AI将对所有行业产生多么深远的影响和赋能作用。正如我们刚才与萨姆讨论的那样，AI正在加速我们能做的一切，而我个人迫不及待想看到接下来会发生什么。
因此，我想感谢大家的到来，祝大家AI World大会剩余时间愉快。谢谢。