6月21日,紫光旗下新华三集团(以下简称新华三)“融绘数字未来——2018新华三数字领航百城巡展”昆明站正式召开。作为本年度最为重要的市场活动之一,新华三将通过“数字领航百城巡展”向业界集中展示涵盖数字化基础设施、数字化平台和基于生态合作的数字化应用等多个层级的数字化解决方案全体系领先能力,并全面分享如何通过数字化创新推动百行百业的数字化转型。
2018新华三百城巡展昆明站-大会现场
百城百业,数字经济比重不断提升
数字技术与传统产业的结合,正在创造着全新的未来和无限可能。据毕马威的研究数据显示,2017年,数字经济在中国GDP中的占比达到36%,实现29万亿人民币的贡献。到2030年时,这一比例将会达到77%,超过153万亿人民币的GDP贡献将来自于数字经济。新华三认为,数字化转型是众多企业实现更好的生存与发展必须经历的过程,并提出数字化技术战略——“应用驱动,融绘数字未来”。
为探索新形势下城市经济数字化转型新路径,新华三已连续两年发布《中国城市数字经济指数白皮书》。今年3月发布的白皮书(总体信息详情可参见白皮书全文http://deindex.h3c.com/)调查评估显示,昆明市在数字经济评估中位于新兴者地位,数字经济发展初见成效。随着各领域中的数字化项目的逐步完善,以及在互联网+服务业、智慧旅游等方面的显著特色优势,昆明今后几年的数字经济发展还会有很大的提升空间。
以创新和领先的数字化解决方案推动产业变革
作为数字化解决方案领导者,新华三将凭借在行业洞察、完备连接、全栈式云平台、高效数据引擎、主动安全、AI(人工智能)构建、数字生态汇聚和全生命周期专业服务等方面的领先能力,不断推动各领域产业升级与转型,促进数字经济的快速增长和可持续发展。

2018新华三百城巡展昆明站-展区
在本次巡展活动中,新华三向业界展示了其数字化技术的重要创新成果,包括新华三首创的物联时代准入管理系统鹰视2.0、应用驱动网络解决方案ADNet 3.0、400G数据中心方案、Comware V9网络操作系统、绿洲物联网平台2.0、安全云、云墙、大数据AI引擎、CloudOS 3.0云管理平台、InfoSight先知智能运维系统等,以及架构咨询和新型智慧城市技术服务解决方案。目前,新华三可以为用户提供包括计算、存储、网络、安全的IT基础设施和云计算、大数据、物联网等创新平台,以及全生命周期咨询与服务在内的全方位数字化产品和解决方案,是国内极少数具有如此广泛和完备能力的领先企业之一。
新华三一直服务于云南省各行各业信息化建设,在政府、教育、企业、交通、电力能源、金融、运营商等领域拥有丰富的实践经验,打造了一大批数字化转型标杆。例如,在政务领域,新华三为云南省电子政务外网提供高效、高可靠、安全的政务骨干网络;在交通领域,新华三为昆明地铁构建了高性能有线、无线网络,为乘客信息PIS系统提供坚实支撑;在金融领域,新华三为红塔银行提供了从顶层设计到方案建设的全流程服务,提供了贴合业务场景的解决方案;在电力领域,新华三长期服务于云南电网,为客户提供高速、稳定和可靠的业务承载通道;在传媒领域,新华三帮助云南广播电视台打造“七彩云”融合媒体平台,实现全省新闻视频资源汇聚和共享。
新华三集团云南代表处总经理康江军
新华三集团云南代表处总经理康江军表示,数字化转型的根本目的,是借助数字世界里强大的可连接、可汇聚、可推演的能力,进行产品、业务和商业模式创新,以更低的成本、更高的效率,为客户提供更好的服务和体验。作为数字化解决方案领导者,新华三将以全面领先的技术积累和丰富的行业实践经验,赋予我国西南区域数字化转型升级的能力,助力智慧云南的建设。
关于新华三
新华三集团(简称新华三)作为数字化解决方案领导者,致力于成为客户业务创新、数字化转型最可信赖的合作伙伴。新华三拥有H3C品牌的全系列服务器、存储、网络、安全、超融合系统和IT管理系统等产品,能够提供大互联、大安全、云计算、大数据和IT咨询与服务在内的全方位数字化解决方案和产品的研发、生产、咨询、销售及服务。同时,新华三也是HPE品牌的服务器、存储和技术服务的中国独家提供商。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。