至顶网CIO与应用频道 05月15日 北京消息:近日,国家知识产权局发布发明专利公报,普元《基于原生开发语言实现跨平台应用开发的系统及方法》、《实现Web应用程序自动化测试视图化开发的系统及方法》获得发明专利的正式授权,为普元软件基础平台技术创新阵营再添两枚重量级砝码。截止目前,普元获得授权及正在申请中的发明专利已达到34件。
自主创新探索技术“蓝海” 普元持续投入软件基础平台核心技术研发
通常软件企业仅拥有批量软件著作权,而拥有较多专利特别是发明专利的软件企业并不多见。普元能不断斩获国家发明专利,绝非偶然。
近年来,普元在保持着软件基础平台领域中既有优势与地位之外,持续在核心技术的研发上保持高投入:将年均营业收入的10%以上投入研发,年投入超过4000万元,相继在分布式计算核心技术、微服务架构核心技术、可视化核心技术、企业移动计算核心技术、自服务大数据治理核心技术等多领域取得突破,斩获多项发明专利授权,并进行了基于知识图谱的数据服务、基于深度学习的智能辅助软件开发等研究工作。本次普元获得正式授权的两项发明专利涉及的两类技术系统和方法,可广泛应用与云计算、移动平台、人工智能等多类技术开发及测试领域。
其中,《基于原生开发语言实现跨平台应用开发的系统及方法》发明的目的是为了克服业界现有技术中原生应用开发技术复杂度高、开发和维护工作大等缺点,为行业提供一种与移动操作系统、原生开发语无关,开发简单、效率高、运行性能好、系统架构简单、稳定可靠、使用维护方便快捷、适用范围较为广泛应用实现原生跨平台开发的方法,。
《实现Web应用程序自动化测试视图化开发的系统及方法》这项发明专利,解决传统编码式自动化测试的设计难、维护难、成本高的难题,并具备解决自动化测试领域难题的优越性和可行性,在可视化与自动化的基础上优化用户体验,让测试用例设计和测试工作变得简单和高效,有效提升Web项目的自动化测试效果和保证Web项目的质量。
加速企业数字化转型 建设数字中国
十九大报告指出,创新是引领发展的第一动力,是建设现代化经济体系的战略支撑,同时,也提出加快建设数字中国,促进产业发展创新升级。作为国内领先的软件基础平台与解决方案提供商,普元由多位已取得卓越成就的企业家和科学家携手创立以来就切入并专注于高门槛的软件基础平台领域,汇聚了一流的计算机技术专家、管理精英和各类专业人才持续自主创新进行核心技术突破,主要面向大中型企业、政府机构及软件开发商提供SOA、大数据、云计算三大领域的软件基础平台及解决方案,用以满足上述组织信息化建设对关键技术的需求。
在软件基础平台企业责任与持续推进“软件中国”、“数字中国”进程的实践中,普元注重将自主掌握的软件基础平台核心技术与SOA、云计算、大数据、移动互联、人工智能等新技术相结合,帮助金融机构、运营商、政府、军工企业等组织的业务在云计算和移动互联时代平稳高效运行、加速向数字化转型。
在普元CTO焦烈焱看来,企业能够取得技术成就离不开团队的深耕研发。在其带领下的普元技术团队正在研发的数字化企业云平台The Platform,立足IT角度思考应用域、工程域、数据域和运营域,已能够在虚拟机、网络、存储、容器等基础设施上,以服务框架、DevOps、数据管理等帮助企业打通客户、员工、互联网和物联网渠道应用,实现应用平台、移动平台、集成平台的聚合,帮助企业回归效率本质,加速企业数字转型,推进“数字中国”成长。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。