在MWC展会的喧嚣中发现创新亮点

人工智能再次成为今年巴塞罗那世界移动通信大会（MWC Barcelona）的主导话题。从智能手机到卫星，从网络到应用，几乎每个供应商和服务提供商都无法抗拒AI的吸引力。

我的挑战是：从数千家参展商中筛选出那些可能在喧嚣中被忽视的创新故事。从总共2900家参展商到1000多家宣传AI创新的企业，我将名单缩减到30家进行采访。

最终，有九家企业入选。以下是我的选择：

Yeo Messaging：增强版WhatsApp

WhatsApp、Telegram等消息应用都标榜其端到端加密保护用户隐私。然而，它们无法确认通信对象是否就是预期的用户本人。

Yeo Messaging公司通过实时验证用户面部来解决这个问题。如果应用检测不到正确的面部，会在约半秒内模糊屏幕。

将手机转开，屏幕模糊；转回来，消息显示。Yeo还提供软件开发工具包，使第三方能够将该公司的持续面部识别技术集成到自己的应用中。

SconAI：同声传译

考虑到谷歌翻译的普及，语言传译（实时语音转文字翻译）是一个竞争激烈的市场。

SconAI公司交出了令人满意的答卷。它能实时传译人类语音，在说话者讲话时显示翻译文本。

SconAI不会等到句子结束，而是在句子进行过程中做出最佳猜测，然后随着说话者完成句子实时修正。通过这种方式，SconAI在不引入延迟的情况下优化了传译输出。

Hypergraph：使用图神经网络进行网络入侵检测

如今，几乎所有网络安全供应商都在将大语言模型集成到其产品中。此外，供应商多年来一直使用机器学习在大型数据集中发现异常，包括网络安全场景中的入侵指标。

Hypergraph AI采用了不同的方法。该公司使用图神经网络——将图格式数据作为输入的神经网络——来检测偏离正常网络行为的情况。

图是表示网络的自然方式，因此将图输入AI模型是一种显而易见的方法。然而，通过使用神经网络，Hypergraph可以表示随时间变化的网络图。

这种时间组件带来了根本性的差异，因为它既能捕捉变化又能发现根本原因，与市场上的竞争产品相比，能够实现更好的检测效果和更少的误报。

Fenix DFA：确认备份真正有效

你如何知道备份是否有效？等待灾难发生，尝试从备份中恢复数据，然后祈祷好运。显然，这种祈祷是不够的——尤其是当法规要求特定级别的数据弹性时。

Fenix DFA公司通过为备份操作提供治理层，以主动数据弹性来解决这个问题。

这个治理层确认备份正常工作，并且总体上符合相关政策。

Fenix使用行为分析来发现隐藏的备份风险，识别运维团队通常不会跟踪的问题。然后提供解决任何问题的工作流程。它甚至为合规目的提供数据弹性流程的持续审计。

Enhans：使用本体和规则消除AI驱动工作流中的幻觉

许多供应商正在利用大语言模型提供既能单独执行任务又能协调编排智能体行动的工作流的AI智能体。然而，与大语言模型的其他生成式AI应用一样，不准确的结果（即幻觉）是此类智能体工作流的致命弱点。

Enhans公司通过利用专有本体——针对特定工作流类型的交叉引用词汇表——来解决幻觉问题。

然后，它将智能体行为与传统规则引擎相结合，提供无幻觉的特定领域编排工作流。

电子商务是Enhans的起点。该公司通过实时市场情报、专有本体和智能体平台转变复杂的电子商务流程。

Diagnext：使用AI构建更好的数据压缩方案

数据压缩已经存在了几十年。我年纪大到还记得在1980年代压缩文件的情景。

JPEG和MPEG等用于图像、音频和视频的数据压缩格式是我们都习以为常的成熟标准。鉴于AI对海量数据文件永不满足的需求，改进的数据压缩方法可以提高基于AI的应用程序的性能，同时降低其运营成本。

为了满足这些需求，Diagnext公司通过一种称为自适应压缩的方法将数据压缩提升到新水平。通过对文件和其他数据进行基于AI的分析，该公司可以实现比传统压缩方法显著更好的压缩比，而不会丢失任何有用数据。Diagnext甚至可以压缩先前已压缩的文件，例如将MPEG文件的大小减少高达82%。

Diagnext的压缩对于行业特定的数据格式特别有用。例如，它可以在不丢失数据的情况下大幅减少海量基因组文件的大小。它甚至可以压缩X光图像文件，结果符合标准医疗数据格式，且不会损失诊断能力。事实上，医院是Diagnext的早期采用者之一。

Cubig：多模态、AI就绪的合成数据

隐私考虑通常阻止组织使用生产数据进行测试或训练其AI模型。

许多供应商提供与生产数据足够相似的合成数据来满足这些需求。然而，合成数据通常是基于文本的。一个常见的例子是：客户或患者记录中的姓名和其他个人身份信息被类似但虚构的值替换。

然而，今天的AI处理的不仅仅是文本。图像或其他类型的信息（即多模态数据格式）怎么办？

Cubig公司可以生成合成多模态数据集。例如，该公司可以创建足够逼真的合成X光片，以支持应用测试和模型训练目的。

军事应用包括替换无人机图像中的背景，生成不包含任何照片位置信息的合成数据集。Cubig还可以生成专门的基于文本的合成数据集，例如模拟调查响应。

Calix：为电信用户提供增值服务的智能体平台

声称利用AI智能体自动化工作流的智能体平台如雨后春笋般涌现。然而，Calix公司从众多竞争者中脱颖而出。它为通信服务提供商（CSP）提供智能体平台——这是为消费者和企业提供互联网、电话和电视服务的公司的花哨术语。

当今的CSP不仅提供复杂的服务套件，而且市场上的价格压力迫使他们提供卓越的服务以及增值服务以保持竞争力。Calix为这些服务提供商提供了这样的转型。CSP可以重新品牌化Calix平台，并使用它来支持用户关系的整个生命周期，从入职和运营到交叉销售和追加销售增值服务。

Calix还为针对小型企业以及校园和体育场等户外应用的CSP提供平台。

Arrcus：用于分布式推理的策略驱动网络

Arrcus公司是网络领域的老牌企业，提供分布式、基于策略的网络架构。然而，该公司的新产品足够创新，足以入选我的候选名单。

利用其网络架构，Arrcus现在支持分布式推理，即基于AI的应用在分布式网络的各个点做出决策并采取行动。

以现代工厂车间为例，有各种机器、摄像头、车辆和其他设备——所有这些都利用AI来解释数据，并在许多情况下采取特定行动。这些工厂希望将必要的推理推送到这些端点，以减少带宽消耗并避免与延迟相关的性能问题。

有了Arrcus，这些公司现在拥有一个基于策略的网络，可以通过分布式推理支持各种端点，使他们能够实时控制整个网络的安全性、性能和其他网络能力。

总结

当你着手寻找创新时，你可能会在各种意想不到的角落而不是直接在你的路径上找到它。这就是创新的本质：它总是令人惊讶的。

此外，对于一家创新供应商来说，在像MWC这样的大型会议上参展，意味着他们不仅仅拥有一些令人惊讶的新产品。他们还必须确信该产品有市场——他们有独特资格解决的某些客户痛点。

本文中的九家供应商已经实现了这一飞跃。可以肯定的是，有些可能会成功，而另一些可能会失败——但这种风险也是创新不可或缺的一部分。没有这样的风险，就无法获得相应的回报。

Q&A

Q1：Yeo Messaging如何解决消息应用的身份验证问题？

A：Yeo Messaging通过实时验证用户面部来确认通信对象身份。如果应用检测不到正确的面部，会在约半秒内模糊屏幕。将手机转开屏幕模糊，转回来消息显示。该公司还提供软件开发工具包，使第三方能够将持续面部识别技术集成到自己的应用中。

Q2：Hypergraph AI的网络入侵检测与传统方法有什么不同？

A：Hypergraph AI使用图神经网络来检测偏离正常网络行为的情况，而不是传统的大语言模型或机器学习方法。通过使用神经网络，Hypergraph可以表示随时间变化的网络图。这种时间组件既能捕捉变化又能发现根本原因，与市场上的竞争产品相比，能够实现更好的检测效果和更少的误报。

Q3：Diagnext的自适应压缩技术有哪些实际应用场景？

A：Diagnext使用基于AI的分析实现比传统方法更好的压缩比，甚至可以将MPEG文件大小减少高达82%。该技术对行业特定数据格式特别有用，例如可以大幅减少基因组文件大小而不丢失数据，还能压缩X光图像文件且符合标准医疗数据格式、不损失诊断能力。医院是其早期采用者之一。