至顶网CIO与应用频道 03月21日 北京消息:2018年3月16日-17日,全时联合CIO时代学院、CIO时代研究会共同举办的“至’黑’体验,融合创新——第十期央企CIO论坛”,在北京金海湖畔成功举办。此次论坛邀请到央企CIO等众多嘉宾和行业专家,共同探讨科技创新与企业数字化转型这一议题。
在论坛现场,全时CEO陈学军的演讲和三家以色列公司带来的黑科技分享成为本次活动的两大亮点,吸引了参会嘉宾的关注。
全时展现企业数字化转型的力量
围绕对SaaS的发展经验、全时产品布局和未来规划三方面,CEO陈学军发表了主题演讲《我们是如何做SaaS的》。
CEO陈学军发表主题演讲
首先,在为央企CIO分享自己在SaaS领域多年的经验和看法时,陈学军认为:“工具不仅能够改变人的行为,更是组织改变最重要、甚至是唯一的方式。”全时一直致力于提供更多更优秀的生产工具,来提升组织效率。
其次,在谈及全时的产品布局和未来规划时,陈学军表示:“在全时已有的云会议系统、云盘、日历、团队、全时盒子等产品基础上,未来还将推出无人机、移动视频车、头戴设备等终端产品,全时正在不断完善自己的产品生态链和拓展使用场景。”
此外,全时在企业级云存储领域开始加速布局。企业云盘虽然在国内还处于发展的初期阶段,但其已经成为企业级云文件服务的发展趋势。在现场的分享中,全时的够快云库产品在新东方集团和万达集团的成功案例,吸引了在座央企CIO的兴趣并引起了热烈讨论。
全时技术支持跨国视频连线,三大黑科技公司现身论坛现场
在技术分享环节中,本次CIO论坛通过跨国视频连线的形式,让来自以色列的Gencell、Galooli和Modcon这三家公司为现场嘉宾做了精彩的“黑”科技分享。
跨国视频连线的实现,得益于全时在全球部署的数十个通信点和云会议产品十余年的技术积淀。在音视频处理方面,全时凭借自己独特的SVC视频算法技术和服务器/客户端双混音技术,保证了跨国视频连线清晰流畅的体验。目前,全球500强企业中已经有超过300家成为全时的客户。
跨国视频连线及远程嘉宾互动
来自Gencell的Rudy Shainer在现场为大家带来了《绿色能源燃料电池的技术与应用》的“黑科技”展示。Gencell作为一家主要提供工业氢燃料电池的公司,他们最独特的创新技术是一种氨分解器,能以极低的能耗率和效费比将液态氨转化为氢。
来自Galooli的CEO Leehu Hacohen发表了题为《IoT for Static Smart Management & Energy Efficiency》的演讲,为大家讲解了物联网智能管理与能源效率等方面的技术和案例。
来自Modcon的中国首席代表徐俊通过《在线分析技术在石化工业中的运用》的演讲,在论坛现场为大家分享了Modcon在原油开采的全套流程管理及相关硬件及咨询服务领域的经典案例。
全时技术实力,助力央企数字化转型
近年,数字化转型已经成为行业的热点话题,而央企的数字化转型因为直接涉及国计民生、供给侧改革等重大命题,尤其引人关注。
全时在过去十年中已经服务了中建、中铁、中烟等数家大型央企,无论在产品线还是在解决方案层面都已经积累了丰富经验。此次央企CIO论坛的成功举办,为央企等大型企业的科技创新与数字化转型带来了更大的想象空间和启示。
2018年,全时还将围绕重点行业和区域举行更多高含金量的活动,并为业界带来更多数字化转型干货。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。