至顶网CIO与应用频道 11月06日 北京消息:2017年10月28日,由欧盟委员会、欧盟研究与创新中心主办,融通科技产业集团承办,中国科技部火炬中心指导的“2017中国·欧盟科技创新峰会”在北京举办。来自欧盟驻华使团、国家科技部火炬中心、国家发改委国际合作中心以及欧盟28个国家的高科技领域专家与企业家代表团和中国20余个省市政府的重要领导共约百余位嘉宾出席峰会。
软通动力信息技术(集团)有限公司(以下简称:软通动力)高级副总裁邓海宁、副总裁曹晓兵应邀参会,与嘉宾一起围绕中国与欧洲中小企业的科技创新成果与应用,国际间科技企业的跨境联合孵化等主题进行了交流研讨,并着重介绍了软通动力在中国智慧城市建设与城市大数据创新领域的实践成果,以及软通动力在国际合作方面的成功经验。
智慧城市建设领域,成果丰富
当前,我国高新技术产业正与全球产业进一步整合,面对这一重大历史机遇,软通动力正以16年积累的深厚的技术实力和强大的生态整合能力,在软件技术服务、企业数字化转型服务、智慧城市服务以及云计算与互联网平台服务四大业务领域,立足中国,服务全球市场。
例如在智慧城市业务领域,软通动力成果丰硕,为城市治理、环境保护、产业发展、民生服务等提供全新的模式,显著促进善政、强企、惠民的新型智慧城市的发展。其中,软通动力重点聚焦的“城市治理”、“安全监控”、“环境监测”等业务领域,携手华为云全面满足城市对安全稳定、和谐共融、环境保护与产业经济协同发展的需求。
在智慧城市的建设过程中,软通动力充分发挥大数据价值,基于城市大数据为政府、企业、市民提供服务。软通动力根据互联网+产业的理念,通过融合城市、产业运行数据,提供一系列数据分析工具及大数据洞察服务,为公众服务、社会管理、产业发展等活动的各种需求做出智能化响应和智能化决策支持。
目前,软通动力已在中国超过150个城市完成智慧城市战略布局,助力城市数字化升级。此外,在助力行业和企业进行数字化转型方面,软通动力同样成绩突出,目前已在10余个重要行业服务超过1000家国内外客户,其中世界500强企业客户超过90家,为来自世界各地的城市、产业、企业等各领域的客户创造价值。
国际化合作方面,成就突出
在国际化合作方面,软通动力与联合国欧洲经济委员会、英国、新加坡、埃及、印度、韩国等国家的政府、行业联盟、企业和知名高校进行资源共享,利用自身在数字化建设方面的成功经验和领先技术,推动相关国家和地区的数字化建设进程。例如,与印度在城市可持续发展及产业发展等领域的合作,软通动力把自身在智慧城市建设和信息技术服务的丰富经验和创新理念带入了印度哈里亚那邦,助力当地发展。
作为沟通世界顶尖技术与中国产业发展的桥梁,软通动力注重引入顶尖学研机构的知识和技术为中国以及全球的客户服务,从而为城市、产业和行业的数字化转型赋予能量。例如,软通动力充分发挥自身在智慧城市领域的优势,吸引来自世界各地的顶尖技术和优秀企业到当地发展,构建了一张服务产业、惠及民生的网络,为企业的创新发展、城市的智慧升级共同奉献力量。同样,作为MIT科研成果在中国产业化的实践者和领先者,软通动力把MIT在技术创新、城市综合规划、智慧旅游等方面的探索,和中国城市的实际环境结合起来,走出了一条新的创新之路。
软通动力在智慧城市和大数据领域以及国际化合作方面的成绩,赢得了与会嘉宾的广泛兴趣。创新峰会第二天,部分与会的省市领导到访软通动力,更加直观深入地了解软通动力的业务布局与成绩。
作为中国领先的创新型软件及信息技术服务商,软通动力正积极响应数字经济发展大潮以及全球融合的历史机遇,通过在云计算、大数据、物联网、智慧城市、信息技术服务等领域的创新突破,助力全球的企业、行业和城市进行数字化升级。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。