![]() |
紐約2026年6月15日 /美通社/ -- 在人工智能正從儀表板迅速向決策系統轉型之際,Allora Network與Vodafone旗下Pairpoint建立了新的合作伙伴關系,讓我們得以一窺企業基礎設施的下一階段:具備預判能力的系統。
Pairpoint是一家由Vodafone和Sumitomo Corporation投資的“萬物經濟”(Economy of Things)初創企業,正在構建一個全球性平臺,使機器、車輛和設備能夠進行自我識別、自主交易,并在無需人工干預的情況下進行協調。
人工智能網絡Allora正為這些系統提供其實現大規模運行所缺失的關鍵環節:持續評估、基于預測的智能。
雙方正攜手將Allora整合為智能層,為Pairpoint與Vodafone的各類IoT應用場景提供支持——其中首個應用案例是“電動汽車充電優化概念驗證”,該方案將預測性智能直接嵌入路由和充電系統,從而突破靜態數據的局限,實現具有前瞻性的決策。
從互聯設備到智能系統
“多年來,IoT一直非常擅長告訴我們正在發生什么,”Pairpoint首席產品官David Palmer表示, “但隨著系統實現自主化,這已遠遠不夠。 機器需要推斷在獲取、處理或釋放資源時會發生什么。”
在電動汽車充電領域,這一區別至關重要。 當前顯示可用的充電樁,在您到達時可能已被其他車輛占用。 價格可能會飆升。 能源消耗量隨路線、天氣和交通狀況而變化。 靜態系統難以運轉,因為世界并非靜止不變。
這時,Allora就派上用場了。
“Allora并非僅靠單一模型進行預測,”Allora Labs首席執行官Nick Emmons解釋道, “這是一個由眾多機器學習模型構成的網絡,它們圍繞相同的預測目標展開競爭與協作,其輸出結果會被持續評估并融合。 系統會學習哪些模型在哪些條件下表現最佳。”
其結果是具備可量化、情境感知和自適應特性的智能。 在瞬息萬變的世界中,這對企業至關重要。
為什么電動汽車充電是第一個驗證點
電動汽車充電問題處于基礎設施、經濟和不確定性的交匯點。 決策會影響時間、成本、可靠性和用戶信任。 這使其成為測試去中心化人工智能能否超越傳統方法的理想環境。
在此集成中,Pairpoint的路由系統會在決策時查詢Allora Topics以進行預測:
規劃人員隨后會利用這些預測結果,推薦在考慮不確定性的情況下,針對時間或成本進行優化的路線和充電站。
“這旨在將現有基礎設施轉變為更流暢、更智能、更人性化的系統,” Palmer表示。
機器學習構建者的新機遇
除了電動汽車的應用場景之外,將Allora納入Pairpoint的人工智能技術棧,還為機器學習模型提供了一個新的部署平臺。
Allora Network將這些企業預測難題向全球機器學習工程師社區開放。 模型構建者可以直接為“主題”項目做出貢獻,助力其支撐真實的基礎設施,在實時數據環境中參與競爭并獲得明確的成功指標,并見證自己的模型如何影響現實世界的決策。
“對于大多數機器學習研究人員來說,他們的工作止步于基準測試。”Emmons表示, “而在這里,基準是現實。 模型會根據不斷變化的條件持續接受評估,表現最佳的模型才能進入量產階段。”
這就形成了一種新的激勵機制:
“這是基礎設施,” Emmons補充道。
智能即基礎設施
對于Pairpoint而言,其影響遠遠超出電動汽車充電領域。 同樣的預測智能層可以應用于車隊、物流、供應鏈和智慧城市,任何機器需要在不確定條件下進行協調的地方都可以應用。
“讓我們感到興奮的是融合,”Palmer表示, “IoT將物理世界連接起來。 區塊鏈給我們帶來信任和結算。 去中心化人工智能賦予系統適應性。 綜合起來,就能構建出真正具備擴展能力的自主基礎設施。”
隨著企業越來越依賴能夠自主運行的系統,Allora × Pairpoint這樣的合作關系預示著人工智能構建與部署方式的轉變——它不再是單一供應商擁有的“黑箱”,而是一個在整個生態系統中共享的、具有競爭力且持續改進的層級。
對于機器學習構建者來說,這是一個從實驗走向影響的契機。
關于Vodafone旗下Pairpoint
Pairpoint是Vodafone Group和Sumitomo Corporation共同成立的“萬物經濟”(EoT)合資企業。 旨在實現全球范圍內的自主機器間識別、連接和交易執行。
依托Vodafone廣泛的物聯網布局和安全的數字身份認證能力,Pairpoint平臺使設備、車輛、傳感器和機器能夠在無需人工干預的情況下自主協同、自主交易并作出決策。
憑借區塊鏈驅動的后端架構以及對去中心化結算機制的原生支持,Pairpoint有望在出行、物流、能源及互聯基礎設施等領域催生新一代按使用付費服務模式。
關于Allora Network
Allora Network是一個去中心化的人工智能推理網絡,它利用全球分布式的機器學習模型社區,實時生成高度準確且具有情境感知能力的預測結果。
Allora基于模塊化、主題導向的系統構建,能夠協調多個競爭模型共同處理共享的預測任務,并在實時環境中持續評估性能,最終將各模型的輸出整合為一個高可信度的綜合信號。
通過將推理視為一個開放、競爭且符合經濟規律的過程,Allora能夠提供不斷優化的人工智能服務,這些服務可直接嵌入運營系統,從而支持從電動汽車充電優化到IoT自主決策等各類應用場景。
媒體聯系人:
Phi Tran | Allora Labs市場營銷副總裁
phi@alloralabs.xyz