ZD至顶网CIO与应用频道 03月30日 人物访谈(文/孙博):前言:日前,正值第五届中国电子信息博览会(CITE 2017)召开之际,记者受邀采访到了东华软件股份公司董事长薛向东,听他谈谈国内的IT市场,再聊聊东华软件。作为博览会的老朋友,薛向东提到了两个期待:希望展会能呈现出更多更好国内外的产品和技术,让大家互相学习;同时还希望客户能够尽快接受新技术,愿意去做吃螃蟹的人。
“90年底,国内信息化需求非常大,但国内较国外的技术水平差距很大。这就是蓝海市场,存在着巨大的机会。”于是1993年,在一个IT市场还不明朗的时代,薛向东辞去了国企的铁饭碗,下海成立一家科技公司(东华软件前身),从软件开发、系统集成做起。
此后在2006年,薛向东成功将东华软件推向A股市场。截止去年底,公司市值近400亿元,十年间十几倍的增长速度。在东华软件董事长薛向东看来,公司能够得以持续性发展,一个是因为有着清晰的战略和行业整合能力,一个是因为稳定的管理团队和良好的企业文化。还有一个,是企业具备包括系统集成一级、涉密加密、CMMI5级等在内的行业顶级资质。
东华软件董事长薛向东
转型要快,可以站在巨人肩膀上
“技术对国内软件市场的影响,我认为是带来了巨大的机遇。谁最先掌握了先进的技术,打造出符合需求的产品、解决方案,谁就能跑的最快。”薛向东强调企业发展要快,要跟上时代发展的脚步。
东华软件是一家典型的国内传统软件公司,在近几年面对云计算、大数据这样的新兴IT技术带来的冲击时,如何以最快的速度转型也成了薛向东一直考虑的问题。
在薛向东看来,转型其实是一个渐进的过程。早在五、六年前,东华软件就已经开始对前沿的技术进行分析,同时也在思考如何将其与公司的产品相融合。“站在巨人的肩膀上”是近年来常见的企业发展战略,东华软件也在身体力行。薛向东说,与先进企业的合作,利用国内外先进技术和知识,加上东华对客户需求深度了解这一本土优势,可以为用户提供更加定制化的解决方案,企业也不需要从头做起。
例如IBM。去年,东华软件与IBM签署《软件许可和联合开发协议》,双方将共同开展针对精准医学的医学数据分析与转化方面联合开发。通过为期三年的有关精准医疗新技术的联合研发,共同打造一个精准医疗科研分析平台,同时也将加快东华软件的医疗信息系统由业务驱动型向数据驱动型转型升级的步伐。
金融+医疗的员工,覆盖了总数的一半量
在采访间隙记者得知,东华软件上下拥有差不多8000名员工,其中金融团队和医疗团队各占了近2000人。薛向东告诉记者,金融和医疗是公司成立到现在一直看重的两大业务领域。
“现在我们经常开玩笑说,经济的发展使得人的命变得更值钱了。当前我国健康产业发展迅速,所以围绕医疗、健康养老等问题还会有很多商机。”
东华软件作为国内智慧医疗的领先企业,在数字化医院整体解决方案、全流程电子病历等医疗IT领域,有着丰富的研发、交付的经验。目前,东华软件数字化医院解决方案iMedical在为全国500多家医疗机构的核心业务提供着软件系统支撑,其中包括300多家三甲医院的核心业务,以及以北京协和医院、华西医院、湘雅医院、中国医大一院为代表的全国四分之一百强医院的核心业务。
而针对移动互联网领域,东华软件推出了“健康乐”App,聚焦健康管理和疾病管理两个方向。经过三年发展,健康乐已搭建涵盖院前咨询、自诊、挂号、院中支付、查看报告和院后随访、康复指导服务在内的全流程闭环的互联网医疗服务平台。广大用户可以通过健康乐平台,享受健康教育、在线自诊、专家咨询、医院挂号、诊费交付等多项服务功能。薛向东说,他们希望为全国乃至世界人民,打造属于每一个人的专属网上医生,让智慧医疗真正惠及百姓落地生活。
对于东华软件的另一大重点业务板块——金融业务,公司围绕各种不同规模的银行提供了不同的解决方案。例如东华软件于2010年从事村镇银行系统托管服务,为100多家村镇银行提供托管的公有云服务,用户不需自建数据中心,直接“拎包入住”;甚至帮助银行客户实施的“银行+互联网平台”,通过在上面部署的应用,从而为银行吸引更多的客户流量,大大节约了银行的运营成本和管理成本。
除了上文提到的两大核心业务以外,对于东华软件未来的战略方向,整个采访下来,智慧城市、人工智能、云计算、大数据,区块链……时下火热的IT技术似乎都被薛向东提了个遍。这也呼应了开头他提到的那句话,“谁掌握了最新的技术,谁就能跑的最快。”另外薛向东还表示,他们即将计划着要“跑”到国际市场中去。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。