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
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。