至顶网CIO与应用频道 05月17日 北京消息:华为中国ICT生态之行2017-南京站于5月11日在金陵饭店拉开帷幕,现场600多名客户、合作伙伴同聚一堂,共谋发展。下午,在华为人才联盟高峰论坛中,现场10多所江苏高校、以及三家华为授权培训合作伙伴(以下简称HALP)协办单位,共同发布“华为江苏人才联盟”,共助江苏区域ICT人才生态圈的健康发展。
随着华为企业业务在江苏区域的快速发展,华为及合作伙伴在ICT行业的人才需求与日俱增,同时高校毕业学生及社会ICT从业者又有着强烈的入职需求。为此,以华为ICT职业认证为标准,华为南京企业业务部、华为培训与认证部携手江苏万和、南京聚策、南京嘉环三家HALP共同举办“华为江苏人才联盟”高峰论坛,并邀请江苏区域华为ICT学院和企业代表参加,共同探讨ICT创新人才的培养之路。
华为人才联盟包含华为公司、HALP、华为ICT学院、华为经销商等相关方。华为ICT人才联盟将协同高校共同培养人才,提供交流平台,促进学生实习就业,充实渠道技术储备,共建人才生态。
在此次高峰论坛上,华为公司、HALP、华为ICT学院、企业经销商等围绕ICT人才的培养、创新、就业、发展等方面进行主题演讲和成果分享。其中,华为中国企业培训与认证部副部长卢鹏分享了华为ICT学院政策及人才培养标准,他表示:“面对数字化转型的大趋势,各行业对于ICT人才的需求与日俱增。预计到2018年,ICT产业链人才需求将达100万。“
随后,江苏万和计算机培训中心余志勇老师分享了HALP人才培养计划和人才培养能力,他表示,江苏万和在2017年的人才培养计划和准备工作中,将大力推动云计算方向和大数据方向的人才准备;同时将紧跟华为,加大宣传、加大人才储备、加大投入,力争在路由交换和云计算方向有更大的进步,同时在大数据方向有所突破。
无锡职业技术学院物联网技术学院院长刘全胜也分享了华为ICT学院人才培养经验。刘全胜院长提到无锡职业技术学院是华为在江苏区域的第一批华为ICT学院,近几年也见证了华为企业业务的发展,华为认证已经成为无锡职院学生就业的保证。无锡职院也要求学生,把华为认证作为学生提升能力的重要方式。截止到2017年无锡职院已有近200学生会参加华为认证培训,也欢迎华为合作伙伴来无锡职院挑选人才。
淮安信息职业技术学院UNC联合网络通信学院副院长孙秀英教授分享了“立足华为网院,培养复合型ICT人才”的成果,她表示依托华为的优质技术资源,双方深层次全方位开展合作,淮安信息职业技术学院的专业建设层次不断提升,在师资队伍、实验室建设、学生技能大赛等方面取得了显著的建设成果,并形成了“知识融合,技能跨界,ICT复合型人才培养”课程体系。
最后,南京嘉志德电子科技有限公司服务主管徐冰表达了人才对于企业服务能力提升的重要性。他表示,南京嘉志德紧跟华为企业业务的发展,随着业务的发展,服务能力也从无到有,从基本的华为分销产品服务能力到今年拿到华为数通安全CSP最高的五钻资质,今年还将向IT CSP五钻资质继续努力。南京嘉志德的服务能力发展也得到了华为南京企业业务部的大力支持,我们将继续欢迎更多的优秀学生加入南京嘉志德。
长久以来,华为持续关注ICT产业的人才发展,愿联合企业、院校、教育主管部门、行业组织等多方力量,倾注各方的力量、知识与智慧,共同构筑起ICT领域的人才生态。华为愿意持续地为ICT人才生态提供强有力的能量支撑,在生态各方角色的共同努力下,助力ICT产业可持续的繁荣发展。华为江苏人才联盟的成功发布,将持续推动江苏区域人才生态圈的健康发展,建立有效沟通交流的平台,做好江苏ICT繁荣发展的储备力量。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。