ZD至顶网CIO与应用频道 12月26日 北京消息:2016年12月22日,由工业和信息化部软件与集成电路促进中心(简称“CSIP”)自主研发的自主空间(TEMPO平台)V2.0正式发布。太极股份副总裁兼政府集团总经理申龙哲主要介绍三件事,一、太极这几年在安全可靠领域都做了哪些事;二、怎么看安全可靠、自主可控国产化替代市场;三,未来怎么去做这个事业。
太极股份副总裁兼政府集团总经理申龙哲
以下为演讲实录:
太极这几年在自主可控安全可靠,国产化替代的工作里还是做了很多工作。从产业上有很好的布局,包括我们收购金蝶中间件,包括宝德的服务器,集团内有普华的操作系统,还有集团做的信息安全,网络的安全产品等等。我们有一个完全自主的,在业内做的非常好的办公系统,这次完全是基于这样的组合,做了几个月努力,确实也看到这项工作还是非常不容易。这些完全不在一起的厂家和产品,最后让它不断的优化,不断的提升,应该说也取得了比较好的成绩。
在此之前太极参与了很多核高基的项目,我们有五个组合在使用,都是不同的厂家的产品组合,在用户场景下,不同的应用系统中使用。所以太极在核高基的组合,包括这次的评估都做了很多的努力。同时,我们更关注在安全可靠国产化的系统安全性,怎么样让这个系统更加符合保密的要求,包括分保的要求,等级保护的要求,很多场景都是在具体的场景下使用的,在这样的场景里就要符合整个系统安全,咱们国家有规范,有标准,要符合标准的要求等等,所以我们在这方面也搭建了环境,做相应的复合型的验证,特别希望各个厂家能够在特定的环境里进行验证,这是我想说的第一个方面,太极在安全可靠和国产化替代领域做的工作。
第二个,我想和大家分享一下,如何看待国产化替代的市场。从国家领导人到各个主管部门非常关注和重视国产化替代。十八大以来,关于信息化建设就有三十多份文件,国办、中办,发改委、工信部、网信办,多次提到信息安全,特别是习总书记在今年419讲话,包括10月9号政治局的学习会议上都特别提到了信息安全、网络安全,尤其10月9号讲话里,明确提出加快推进国产替代计划,这个说的非常清楚,而且也是从未有过的,在各个媒体里也都有报道,明确的提到了议事日程上来。包括我们一期用户的使用,未来二期的启动,从上到下这个市场确实是开放孕育形成,更重要的,从核心技术的掌握要国产,确保信息系统的安全,保证国家的安全,这就是我们的责任和使命。
在微观上看,我们也要认识到它是一个科学的,渐进的,也是逐步发展的过程。也就是说,这个市场也是逐步形成的过程,一期15家,二期部里30多家,省里30多家,这是现实的市场,我们做企业可能更多关注它的市场,未来的机会在哪里。机会在这,不是一下子就起来的,也要这么多单位共同努力。关注的人非常多,国家也重视,方向肯定没有问题,肯定要逐步实现替代,但是我们也要非常客观、科学、冷静看待这个市场,而不是马上就要怎么样,或者说是非常广阔的蓝海,应该要有一个比较清醒的认识,这也是一个艰苦长期的过程。宏观战略非常好,前途非常光明,但是具体的战术我们要稳扎稳打,没有那么大的市场空间,是一个慢慢培育的过程,这是要怎么样看这个市场。
第三个怎么做,就是处理好合作和竞争的关系。开放空间非常好,给我们搭建了一个技术平台,是开放合作的自主空间。在这个平台里,企业为了共同促进解决方案、知识、经验的分享,使得我们的能力进一步提升,这点非常重要。而且本身我们有各种各样的联盟,通过这次组合,也是有了更广泛的接触,通过这些合作,一定是合作才能把这个大的事情做好,不可能是一家公司完成这个过程,这是技术上的合作,市场上也要有合作。
更多的是要合作,包括厂商的合作,包括集成商解决方案之间的合作。有时候不可避免会有竞争,经常也是讲,该争的时候,我们和所有的集成商都有竞争,那是不可避免的,我们说清楚这个项目,公平竞争,发挥各自的能力。别的时候,我们还会有很多的合作。竞争是要公平公正,最不希望看到就是回头告状,互相伤害,互相诋毁,太极以前几乎没有这种行为,我也承诺未来也不会有这样的行为。所以共同营造一个良好、良性的市场环境,大家共同的努力,这里要处理好合作和竞争的关系,市场和技术都有合作,市场和技术也都有一些竞争,要充分利用好这个平台,展开这样的合作,它同时也是纽带,使得我们有这样的机会在这里一块相聚,一块切磋。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。