11月8日,第十八届中国教育信息化创新与发展论坛在西安隆重举行,紫光旗下新华三集团(以下简称“新华三”)连续第5年参会。作为数字化解决方案领导者,新华三自主承办了“中小学智慧教育的思考与实践”分论坛,在“智慧教育 融绘数字未来”的主题之下,与300多位来自教育部信息管理中心、各地教育信息化主管部门、电教馆与中小学校的来宾一道,探讨了教育信息化2.0阶段云计算、大数据、物联网等数字化技术与教育决策、校园管理、课堂教学、人才培养等全业务场景的融合路径。
教育信息化2.0到来,新华三“三管齐下”全面部署
随着《教育信息化2.0行动计划》的发布,教育信息化作为基础教育变革内生变量的价值已成教育界共识。在合作分论坛上,教育部管理信息中心副主任石凌表示,希望能加快人工智能、大数据、物联网和各类智能设备及网络在基础教育领域的落地,积极开展智慧教育创新研究和示范,引领新技术支持下基础教育的模式变革和生态重构。
教育部管理信息中心副主任石凌致辞
作为长年稳居教育行业首位的领导企业,新华三在助力教育信息化2.0转段升级上肩负创新、探索与示范重任。新华三集团中国区副总裁、教育系统部总监徐继恒在致辞中指出,新华三已通过技术方案创新与商业模式创新,实现了对教育基础设施建设、教育教学智慧化和决策管理智慧化的全面支撑,即已完成从基础设施保障到教育“行为”辅助,再到教育“大脑”辅助的教育信息化2.0整体部署与前沿实践。
新华三集团中国区副总裁、教育系统部总监徐继恒致辞
创新商业模式与技术方案,助推教育信息化2.0成功落地
作为联合国教科文组织2016年授予的“教育信息化示范基地”,青岛市教育信息化建设走在全国前列。在分论坛上,青岛市教育局装备与信息技术中心教育资源应用部主任李晓梅便与来宾分享了著名的“青岛模式”。她指出,通过携手新华三整体规划与建设教育云数据中心、青岛教育E平台、高带宽城域网与贯穿市、县、区与校的应用终端建设,从云、台、管、端四个领域为青岛教育信息化打造了坚实的应用核心架构。
青岛市教育局装备与信息技术中心教育资源应用部主任李晓梅发表主题演讲
在接下来的演讲中,新华三集团教育系统部副总监周延为来宾介绍了新华三教育信息化2.0的全景图。他表示,通过丰富的智慧教育应用,新华三能实现教育教学“行为”的智慧化支撑,提升一线教学、师生互动、家校互动、人才培养与校园安全管理的效率与智能化。在基础设施建设上,新华三则以云数融合的数据中心与多网合一的融合网络等,保障教育信息化2.0顺利推进。
新华三集团教育系统部副总监周延发表主题演讲
面对以新高考为代表的教育变革,基础教育界将如何应对?作为基层学校代表,清华附中资源保障中心副主任、网络中心主任孙书明分享了走班制教学实践。通过走班排课系统、电子班牌、无感考勤与综合素质评价系统等应用,清华附中率先实现了高中阶段的走班制教学,为新高考“3+【6选3】”模式做好了充分的教学准备。
教育信息化2.0的建设目标,给各地尤其是中西部的教育主管部门带来巨大挑战,其中,资金、技术、人力与运维难题尤为突出。在分论坛上,紫光软件高级架构师仝云与来宾分享了紫光软件、新华三共同创新的商业模式。在这个模式下,四川资阳雁江区迅速实现了教育信息化弯道超车,教育面貌得以彻底改观。
紫光软件高级架构师仝云发表主题演讲
在新华三展区,嘉宾们所分享的教育IT基础设施方案、新高考走班排课选课系统以及物联网校园的无感考勤等应用,以及新华三最新发布的智慧校园桌面云整体建设方案等新方案,均实现了场景化沉浸式的展示。在论坛举办期间,展区预计将吸引数千名参观者前来体验教育信息化2.0的真实互动场景。
完成了面向教育信息化2.0的整体规划部署后,新华三将继续通过人工智能、大数据、云计算等信息技术与教育全场景的融合创新,持续助力基础教育界的智慧教育决策、教育教学过程与教育IT基础设施建设,保障教育信息化2.0在全国各地成功落地。
好文章,需要你的鼓励
亚马逊CEO贾西宣布,AWS实用计算产品高级副总裁彼得·德桑蒂斯将领导新的AI组织,专注于Nova模型发展、定制芯片开发和量子计算。作为领导层变动的一部分,德桑蒂斯将接管人工通用智能团队,原负责人罗希特·普拉萨德将于2025年底离职。新组织还包括皮特·阿贝尔领导前沿模型研究团队。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
最新调查显示,近半数CIO将AI采用和自动化提升列为未来五年的首要任务。超过三分之一的受访者将加强业务连续性和灾难恢复作为重点,同等比例的企业将人才技能发展列为优先事项。尽管AI投资成为焦点,但投资回报率仍不明朗,近三分之二的商业领袖估计AI投资回报率仅为50%或更低。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。