7月25日,由中国城市轨道交通协会主办的2019北京国际城市轨道交通展览会在北京盛大开幕。作为城轨数字化解决方案领导者,紫光旗下新华三集团以“基于智能数字平台 构建城轨数字大脑”为主题,携城轨数字大脑计划强势亮相,与来自全国的轨道交通数字化专家分享新华三在城轨领域的创新技术,共同探索城轨数字化转型的发展路径。
城轨建设进入黄金期,城轨数字大脑引领城轨数字化转型
十三五期间,我国城市轨道交通迎来建设高峰期,预计将新增运营里程3000公里,投资额有望超过2万亿元。如何通过云计算、大数据、人工智能、物联网等前沿技术的部署和应用,推进城轨建设向全自动驾驶、线网运营、服务创新、智能运营等方面加速转型升级,是城轨行业面临的关键议题。
为助力城轨行业用户加速数字化转型进程,新华三城轨数字大脑计划通过整合数字基础设施、业务能力平台、主动安全、统一运维的智能数字平台,结合生态伙伴创新智慧应用,可以提供感知、联接、汇聚和分析决策等多层面的服务能力,将成为推动城轨行业向智能化、数字化、网络化转型升级的最有力支撑。
新华三全面展示了智能数字平台面向智慧城轨的能力输出:通过智能演进的数字基础设施为智慧城轨构建全面感知和数据互通管道全场景互联的能力;借助城轨云实现应用云化与运营创新,通过智能安防解决方案提供安防支持,利用大数据、人工智能、物联网等数字平台的融合能力,与生态伙伴融合创新;等级保护2.0、安全态势感知等则共同为智慧城轨建立全方位的主动安全保护;混合架构资源监控管理则通过基础架构、业务应用、用户体验的全栈管理实现智慧城轨的统一视图管理、统一调度管理和统一监控管理,从而以“数字大脑”的整体形态共同支撑智慧城轨的业务创新。
业界领先车地无线方案,打造高效数据通道
新华三全新亮相的WLAN车地无线方案亦吸引了众多参会者关注,智慧城轨的建设中,车地无线网络是基础。新华三为城轨行业定制的全新WLAN车地无线方案目前已成功通过120km/h及160km/h高速移动环境下的高适应性和高带宽测试:车地无线网络平均带宽均可达到350Mbps以上,平均丢包率小于0.1%,平均切换时延小于20ms,完全可以适应列车的高速移动场景,新华三一举成为国内首家成功将WLAN IEEE802.11ac Wave2技术应用于城轨高速移动场景的数字化企业。
截至目前,新华三的车地无线解决方案已经广泛应用于全国20多个城市的50余条地铁线路,有效保障地铁平稳安全地运行。
一朵城轨云,托举城轨智能数字平台核心力量
智慧城轨建设包罗万象,新业务、新应用、新技术层出不穷,那么什么才是智慧城轨的技术基础架构?以城轨云为核心的城轨智能数字平台支撑智慧城轨当下与未来发展的核心技术框架,新华三基于多年实践经验,深刻洞察城轨云化运营趋势,在业界率先推出了城轨全栈云解决方案,融合多种城轨场景生态应用,为城轨行业提供云化架构、云化安全与云化资源的部署,同时还能实现生态应用的“全接入”,承载城轨多个业务系统的高效运行,为轨道交通提供全生命周期服务,有效推动智慧城轨的高速发展。
作为轨道交通数字化核心技术创新与实践的推动者,新华三深度参与了我国城市轨道交通信息化、智能化建设并长期保持领先地位,迄今已参与北京、上海、广州、深圳等43个城市的205条线路、417个地铁项目,涉及地铁10余个关键业务系统。未来,新华三将通过不断实现新一代数字化技术与城轨交通场景的深度融合,更好地助力轨道交通的智能化升级,助推我国由交通大国迈向交通强国行列。
好文章,需要你的鼓励
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。