甲骨文創始人埃里森給所有AI公司判死刑：你們的模型，一文不值

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。問題出在數據上。

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

整個公共互聯網。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的同一個產品。

用埃里森的話說，就是“大路貨”。

真正的黃金，不在網上。在私有數據里。

醫院系統里的病歷。銀行金庫里的財務數據。財富500強公司的供應鏈機密。

猜猜這些數據，大部分都存在哪里？

不在谷歌，不在亞馬遜，也不在微軟。在甲骨文的數據庫里。

所以甲骨文出手了。

他們推出了一個叫“AI數據庫26ai”的東西。它允許所有頂級AI模型，直接在你公司的私有數據上進行推理。而且數據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”你的數據，而是實時“檢索”它。

這意味著什么？

銀行可以分析它發放的每一筆貸款，而不用暴露任何一個客戶記錄。醫院可以用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，數據一步都離不開安全環境。

埃里森在賭一個比GPU熱潮、比數據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。如果私有數據是AI真正的護城河。那么誰控制了數據庫，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重塑產業與未來

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人類了。

好的，這項AI技術有兩個重要的發展階段。

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，現在的一個AI模型，所謂的“多模態AI模型”，是由多個神經網絡組成的，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網絡來處理視覺，也就是看到某個物體，看到它的邊緣、形狀、顏色，看它移動。你用一個神經網絡來看見它，然后用一個完全不同的神經網絡來識別它是什么，辨認它。接著，用第三個神經網絡來對其進行分類、組織和利用這些數據進行推理。所以，現代AI系統和現代AI模型與我們的大腦非常相似，是一個多模態模型。它有多個神經網絡來處理不同類型的數據，如視頻數據、文本數據、聽覺信息等等。

現在正在發生的是，一系列公司正在花費巨額財富，利用互聯網上的公開數據來訓練這些AI模型。數據量極其龐大。AI訓練，經過幾年的發展，已經非常明顯地成為人類歷史上規模最大、增長最快的業務。比鐵路時代更宏大，比工業革命更具影響力。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秀的外科醫生，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來臨，而甲骨文是構建用于AI訓練的數據中心的主要參與者。但是，那個真正將改變世界的、規模遠為宏大的機遇，并非模型本身的創造或訓練。

甲骨文的獨特角色——私有數據優勢

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據——互聯網上的所有數據——進行訓練的。所以，如果你看ChatGPT、Anthropic、Grok等等，它們都是基于互聯網上的所有數據訓練的。換句話說，是公開可用數據。

但要讓這些模型發揮其最大價值，你不僅需要用公開數據訓練它們，還需要讓私有的數據也能被這些模型所用。這正是甲骨文發揮其特別重要作用的地方，因為世界上大部分高價值數據已經存儲在甲骨文的數據庫中。我們只需要改變——而且這已經是過去時了，我們已經改變了——那個數據庫，使得甲骨文數據庫能夠將其內部已有的數據提供給AI模型進行推理。這樣，AI模型不僅能基于公共數據進行推理，還能基于私有數據。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。”嗯，現在已經很清楚了。

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，伊隆（Elon）、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，互聯網確實是件大事。我的意思是，看看互聯網創造的財富，谷歌的搜索業務似乎回報豐厚。名單上的伊隆創辦了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。互聯網是一項不可思議的新技術，至今仍是計算的基礎。沒有互聯網，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網公司，與pets.com相提并論。我的意思是，如果我能在一個電子商務網站上賣寵物食品，就突然意味著我是一家互聯網公司了？并非如此。

所以，是的，會有人在AI上花錢，因為現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——從人腦到十億瓦數據中心

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并弄清楚這些化學物質是什么。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，用語言和數學進行非常快速的邏輯推理。

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網視頻。它連接到互聯網，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生更出色的外科醫生。有一種非常著名的手術，由莫氏（Mohs）醫生開創，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，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。它們的協調性，正是如此。它們是比我們更好的外科醫生。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調能力。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，當我們去看醫生，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，有專門的神經網絡。一個用于視覺。實際上，卷積神經網絡（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，用于檢測運動和環境中的威脅。

視覺變換器（Vision Transformers, ViTs）接收卷積神經網絡產生的位圖（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神經網絡，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絡，實現了全面的語言理解和推理。唯一的缺點是，變換器網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網絡進行語言交流和推理之前，就已經有了面部識別技術。變換器網絡比其他一些網絡要大得多，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學計算的網絡。

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860億個神經元，并賦予你視覺、平衡、推理、語言、創造力、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，能處理大量數據，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據中心的圖片。實際上，它的一部分已經投入運行。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。電力由電網電力和現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、液體冷卻和網絡方面的最新技術。每天有超過3500人在現場工作，以前所未有的速度交付容量。對AI的需求持續超過供應，甲骨文致力于交付最大、最先進的AI集群，以支持我們全球的客戶。

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。發生了什么？我完全不知道。好的。

好的。所以，我們正在訓練，我們為伊隆訓練了Grok的第一個版本。我們正在訓練許多其他的多模態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模，不僅僅是構建GPU網絡、機房和網絡、冷卻系統等等。順便說一句，那部分本身就已經很難了。但現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，啟動渦輪機發電。然后這些電力必須輸送到數據中心。所以這涉及到發電、天然氣管道、電力傳輸、數據中心、網絡。而這些數據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。

自動化整個生態系統：醫療健康革命

Cerner現代化——AI驅動開發的案例研究

拉里·埃里森：

我們正在構建的是這些多模態神經網絡，它們基于所有類型的數據進行訓練：文本數據、圖像數據、音頻、視頻，每一種公開可用的數據，外加我們用來訓練模型的合成數據。

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。這個問題我們已經研究了很長時間，叫做蛋白質折疊。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、醫療問題的ChatGPT有一些不同的特性。如果你在駕駛汽車，事情發生得非常快。是的，你必須有視覺，車上到處都是攝像頭。但如果發生什么事，你可能需要在微秒，或者至少是毫秒內做出反應。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，理解發生了什么，并采取規避行動，以避免事故和人員受傷。當你無法承受網絡延遲，無法通過網絡與遠方的AI模型通信時，你就必須用不同的方式構建系統。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、在機器人內部署本地計算能力，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據進行訓練，因為出于某種原因，人們希望保持他們私有數據的私密性，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據進行推理。就像魚與熊掌兼得。我想保持我的數據私密，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據進行推理。

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數據平臺、Oracle AI數據庫。有趣的是，這個AI數據平臺包含了你所選擇的多模態模型。哇哦。一個你選擇的多模態模型。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據——模型已經連接到公共數據了，那部分已經完成——我們還讓你能夠將你的私有數據添加到模型的知識庫中。這樣，模型不僅可以跨公共數據推理，也可以跨私有數據推理，同時保持你私有數據的私密性，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模型。你可以自由選擇和搭配。我們有AI數據庫和AI數據平臺，讓你能將私有數據添加到模型中。

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據。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據庫中。你把你的私有數據放入一個甲骨文數據庫。新的甲骨文數據庫被稱為AI數據庫，不僅僅是因為AI很時髦，而是因為它具備這種RAG能力。它能夠將甲骨文數據庫中的任何數據，通過“向量化”處理，使其能被AI模型訪問。

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

順便說一句，這不僅僅是甲骨文數據庫中的數據。Oracle AI數據庫可以向量化的，不只是它自身內部的數據。比方說，你在OCI對象存儲或亞馬遜對象存儲中有很多數據，你想讓Oracle AI數據平臺上的模型能夠訪問這些數據。沒問題。甲骨文數據庫可以進入OCI對象存儲，對其中的數據進行向量化并創建所謂的“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據進行向量化，使其能被多模態模型用于推理。所以，你并不局限于數據庫中的數據。甲骨文數據庫可以向量化任何在甲骨文數據庫、其他數據庫或其他云中的數據，并使這些數據易于被AI模型訪問以進行推理。

愿景——超越醫院的圍墻

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，就是將私有數據提供給AI模型訪問。我們把我們所有的客戶數據進行了向量化，并使用RAG技術讓模型可以訪問它們。

我們從客戶數據開始，因為我們認為沒有什么比我們的客戶更重要。現在，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。有一個整個行業叫做“客戶關系管理”（CRM），哦不，現在不叫這個了，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，我們在甲骨文內部運行了這個項目，將我們的私有客戶數據放入甲骨文數據庫，進行向量化，并使用RAG使其能被一個多模態AI模型訪問。然后我們問了這個問題：

“未來六個月內，哪些甲骨文客戶可能會購買另一款甲骨文產品？”

現在，為什么這個問題對我們如此重要？

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

“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。你可以創建一些小程序，有時還不小，然后讓AI去實際執行某些操作，協調某個流程。然后我們說：“好的，給所有潛在買家發一封郵件，附上三個最佳客戶推薦，鼓勵他們購買。”

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購買了該產品的瑞士銀行。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、你擁有的產品、你與之關系良好的其他銀行——進行定制。總之，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。我們為Apex添加了一種聲明式的AI生成語言來創建應用程序。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。

但甲骨文現在創建的大多數新應用程序，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、斷電或發生任何意外，該應用程序可以立即在另一個數據中心重新啟動，因為它沒有狀態。即使它在A地停止運行，它也會在B地無縫銜接，不丟失任何數據，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力提升，是我們對我們在醫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，構建一個現代化的、通過生成方式創建的Cerner版本。我們已經完成了所有診所運營的代碼。明年，我們將完成所有急癥醫院的代碼。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院或診所，而是自動化整個生態系統。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力提升。

報銷AI代理——戰略實踐

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，但我們也在為醫院構建專為醫院設計的會計系統、人力資源系統。醫院非常特殊，他們有點像50/50的零工經濟，人員進出頻繁。很多護士可能在這家醫院工作，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生，這取決于當天的病人數量和手術室的可用情況。

所以，醫院的人力資源系統非常不同且復雜。醫生、護士和其他衛生專業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必須處理這些認證，安排培訓，安排他們的工作時間。他們經常換班，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院工作。

所以我們正在構建人力資源系統、會計系統和銀行系統。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院需求的銀行系統，根據醫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，如果我們想在醫療健康領域真正成功，我們不能只自動化醫院和診所。我們必須自動化整個生態系統。就像伊隆必須為特斯拉建立一個全球充電網絡，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、想出如何在網上賣車，他還必須建立一個全球充電站網絡。他必須構建一個完整的電動汽車生態系統。

如果我們想自動化醫院和診所，而那些監管這些機構的人、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、監管者、制藥公司、為醫院融資的銀行以及政府。你必須自動化整個生態系統。這樣你才能得到一個真正現代化、高效的醫療健康系統。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。我們希望醫院做什么？醫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院時，你實際上是在與醫生合作，找出能夠被完全報銷的最佳可能護理質量。

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，以協助醫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生。

然后，AI模型也使用RAG來訪問最新的規則和政策。在美國，這些就是保險政策和規定，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則來訓練模型，以確保醫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，如果你的身體質量指數（BMI）超過某個點，我確實會為Ozempic報銷。我必須確保醫生知道這一點，并且我可以告訴醫生，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，而剛剛修改的規則說他們現在可以得到了。

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

還有最后一件事，我們經歷過這樣的例子。世界上很多診所和醫院，包括在美國，手頭現金都不多。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則，診所和醫院確實會得到報銷，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，當你審視醫療健康生態系統時，會發現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生在一起。我們可以找出如何獲得最高的可實現報銷，如何讓醫院獲得繼續運營所需的現金。但這一切都是通過自動化完成的。醫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驅動的未來

改變日常生活——安全、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。我們做規模化的企業應用和規模化的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——他們真的不做醫療健康應用、企業應用、大型金融應用。他們不做這些。換句話說，他們開發AI技術，谷歌是這樣。但他們不構建大型規模化應用，不去嘗試用這項技術自動化行業或生態系統。

所以我們的目標與其他云服務商不同。我們既是AI技術的創造者，也是利用該技術解決不同生態系統、不同行業問題的參與者。我們顯然在訓練AI模型方面規模巨大。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據進行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。我們這樣做已經很久了。現在我們用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代化整個生態系統而不僅僅是行業的公司。醫療健康是一個例子，公用事業是另一個。我們正在著手改造整個生態系統，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。如果你必須與一個監管機構互動，比如一個負責臨床試驗的監管機構，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。”我不點名，但這種事在世界各地都在發生。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系統為目標。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。現在我想展望一下，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，不再有數據被盜，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院里。醫院也發現，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網醫療設備，在家里監控你，就像在醫院里一樣好。即使在緊急情況下你被轉運，救護車也始終保持連接。所以，你在家的病人始終被醫院工作人員監控。在救護車里的病人，醫院工作人員也能通過音視頻和數字連接與救護車保持聯系。

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。總之，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：一、二、三、四。“你們在干嘛？”“在數你斷了多少根肋骨。”哦，太好了。但我做的是MRI，他們唯一做的就是數我斷了的肋骨。MRI產生了所有其他數據，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會發現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，數據隱私也更好。

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，并保護你的數據隱私。

病人監護，我提到了。我們將擁有這些低成本的、極好的醫療設備，我們可以大規模生產，質量更高。所有醫療設備都應該連接到互聯網，數據應該進入一個安全的數據庫，只有你和你的醫生，或者監控你護理的衛生專業人員可以看到。你可以保持它的私密性，但你的醫生可以立即訪問這些數據。如果你的醫生設置了警報，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護。

當在家和急診室之間轉移時，急診室的醫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。我們會大規模生產救護車嗎？我不知道。如果幾年前你告訴我我們會在建十億瓦的發電廠，我會說你需要多休息。但現在，是的，我們正在考慮做這個，因為救護車是聯網的，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。”你開玩笑嗎？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，而醫生在檀香山，她舉起她的iPhone對著超聲波屏幕，好讓醫生看到胎兒的圖像。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。”但當然，用AI的三維視覺，我們可以精確測量超聲波上的胎兒發育情況，發現醫生沒在找的東西。我們現在的一個合作伙伴，可以查看腫瘤活檢切片，在幾分鐘內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將讓我們能非常快地得到結果。

應對全球挑戰——氣候與農業

拉里·埃里森：

這非常有趣。這是我們正在研發的一種設備，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現。過去人們嘗試利用循環腫瘤DNA，但問題在于，你的免疫系統會治愈很多癌癥，而你甚至都不知道自己得過。在你有癥狀之前，免疫系統就已經清除了很多癌癥。如果我們一直告訴你：“天哪，我們發現了這個癌癥，需要開始治療。”但實際上并不需要，你的免疫系統會處理掉它。所以假陽性在這里是致命的。然而，現在有了AI，我們可以分析這些片段，區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院的病理科。我們做一個血檢就能發現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，這就是我們研發它的原因。

要可靠地制造所有這些醫療設備，如果你想把宏基因組測序儀部署到世界各地的每家醫院，它們不能賣一百萬美元，也不能賣十萬美元。你必須經濟高效地制造它們，必須在機器人T廠里大規模生產。這樣你能得到更高的質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，非洲將成為我們人口最多的大陸。我們需要生產比現在多得多的食物。我們的水和可耕地都將耗盡。我們不能再繼續把棲息地變成農田。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，就能節省棲息地。如果在室內種植，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、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，用來移動植物。人類不允許進入種植區，因為會污染環境。我們把植物吊起來移到允許人進入的收獲區。種植區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。綠色的區域是收獲區。

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，你可以通過讓農作物這樣做來實現。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可能是穩定氣候的最佳點。而且這樣做基本上是免費的。

另一個農業的大問題是氮肥。你給莊稼施肥以增加產量，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。這是AI能幫我們輕松解決的另一個問題。

自主系統的未來

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，無人機除了在戰爭中的用途外，還有很多非常好的應用。我們為無人機建立了一個空中交通管制系統。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，你可以派無人機上去巡邏。或者有徒步旅行者在野外迷路了，它們是便攜的。我想它現在要降落了，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的充電平臺上）

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，應用環境非常分散。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據和報告。

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，而我們可以利用創新，快速推進我們的人事流程。

我們已經上線了核心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理提供指導，幫助他們找到答案。他們不再需要給HR發郵件，聯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。數字化轉型的旅程永無止境，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。