至顶网CIO与应用频道 05月04日 北京消息: 在京东云的官网,“不止于云计算”几个大字尤为醒目,自2016年开始面向市场输出云能力以来,京东云坚持“开放、合作、共赢”,建立并持续完善多元化的云生态。2017年伊始,京东云经过一年蓄力,于3月底集中签署了多项合作,并在4月召开了渠道合作伙伴大会,发布“蜂巢计划”,再度发力计划拓展合作伙伴生态圈。
在“蜂巢计划”发布的第二天,4月19日,京东云与哈尔滨创新谷投资管理有限公司(简称哈尔滨创新谷)达成战略合作,哈尔滨创新谷成为京东云东北地区独家代理商,双方将共同推进哈尔滨云计算大数据产业基地建设。为此,京东云副总裁李琳与哈尔滨创新谷投资管理有限责任公司董事长关德君共同接受了媒体专访。
落地东北,用技术为企业赋能
京东云副总裁李琳在介绍本次合作时谈到,京东云在黑龙江哈尔滨的落地秉持了京东云一贯以来的发展策略,致力于成为京东集团向社会输出其领先技术实力和最新研究成果的平台。李琳表示,除了为政府、企业提供稳定、可靠、高效的云平台外,京东云还将为生态合作伙伴圈中的成员共享京东集团在大数据、人工智能技术等各项领域实践成果,与生态合作伙伴们一起,共同用技术为企业、政府赋能。
在今年京东集团的年会上,京东集团CEO刘强东多次强调技术在京东未来发展战略中的地位,并宣布京东将在未来12年打造成为全球领先的智能商业体。与此同时,刘强东表示京东所有的技术研究成果都将对社会全体开放。京东云作为支撑京东业务的核心技术平台之一,助力京东商城和京东广大商家完成每年“11.11”及“618大促”的考验。
哈尔滨创新谷投资管理有限责任公司董事长关德君表示,早在2014年,哈尔滨就迈上了探寻技术赋能企业的道路,为此黑龙江省政府和北京市中关村管委会签订了战略合作协议,打造哈尔滨中关村基地,引进中关村管理模式与经验落户哈尔滨,为哈尔滨乃至黑龙江省的创新创业服务。目前,在哈尔滨中关村基地3.2万平方米的孵化场地中,已有有近三百家企业入驻,中关村基地拥哈尔滨创新谷一直在探索如何通过中关村保姆式的服务为这些企业保驾护航,京东云的入驻,能够为成长型的企业提供满足其不同成长阶段的系列套餐式服务,以更低成本、更高效率以及更优化的用户体验来助推他们快速发展。
关德君表示,京东云具备极强的整体输出能力,蕴含了云计算、大数据、电商平台、品牌建设、金融、产业链培育,以及京东丰富的电商经验和生态等丰富内涵,具有高稳定性、高可靠性、高安全性,将为哈尔滨中关村基地带来整体能力的提升与全面的支撑,将助力哈尔滨市形成良性的可持续发展的新技术产业链。
构筑共赢生态圈,振兴东北经济
实现东北地区的产业升级转型仅靠一家企业的力量是远远不够的。关德军表示东三省的云生态还未构建完成,京东云与创新谷的合作,将共同推动创新创业孵化平台的建设,为当地构建一个健康、创新发展的生态环境。
李琳介绍道,创新谷是最早和京东云合作的重量级的合作伙伴之一,双方成立了区域总代的合作模式,将服务哈尔滨乃至整个东三省地区。京东云自身将继续专注于改善用户体验、降低成本和提高效率这三件事上,同时在输出研究成果的过程中与合作伙伴结盟,获得共赢发展,树立标杆型客户,实现客户和技术的双轮驱动、合作和自主研发的双轮驱动。
据介绍,除了建立京东云哈尔滨云计算大数据产业基地,打造新的经济业态帮助传统企业升级转型外,京东云与创新谷双方还将建立高校和科研院所示范基地,通过云计算、大数据、物联网技术搭建技术支撑平台,帮助接入平台的企业快速部署业务。
谈到双方未来合作的计划,关德君则坦率表示道,东三省是我国的老工业基地,希望通过京东云的加入,可以推动东三省加快产业转型。双方的合作将力图实现三大目标,一是助力东三省加速工业化、信息化的融合;二是无缝衔接京东云生态在工业大数据、工业流程管控、工业智能设计以及人工智能机器人等方面的优势,突破并转变东三省现有经济发展模式,打造经济新业态;三是通过双方共同服务,增强当地企业互联网思维及服务思维,共同助力企业级客户实现面向互联网+的转型。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
北航团队开发的GeoSVR技术突破了传统3D重建方法的局限,采用稀疏体素表示和体素不确定性评估,无需依赖初始点云即可实现高精度表面重建。该方法通过智能的深度约束和体素协同优化策略,在DTU等标准数据集上取得了最佳性能,为VR/AR、文物保护、影视制作等领域提供了新的技术选择。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
Google DeepMind团队发布了EmbeddingGemma,这是一个仅有3.08亿参数的轻量级文本理解模型,却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一,支持250多种语言,特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术,实现了性能与效率的完美平衡,为AI技术普及化开辟了新路径。