2020年是特别的一年,新冠疫情让数字化真正成为行业的新常态,各行业也都在重新审视,在这个新的时代数字化究竟意味着什么?
在信息化时代,企业已经投入了大量的时间和精力,这也为数字化时代打下了良好的基础。AWS大中华区专业服务总经理王承华表示,现在越来越多的企业将信息化的成果向云上迁移,让企业变得更敏捷、更弹性、更安全。而且AWS也在与合作伙伴一起为客户实践创新之旅。
加速服务落地,与合作伙伴共同创新
在帮助企业实现数字化转型这件事上,AWS一直在不断努力。第一,广大服务,AWS推出175个大类的服务,包含了计算、存储、数据库、网络、人工智能、数据分析、安全等各个方面;第二,AWS在全球范围有非常成熟的、丰富的商业实践,有非常活跃的客户在各自的领域探索如何展开数字化;第三,全球技术架构,AWS在全球拥有24个大区,77个可用区,无论是中国企业出海或全球企业来中国,都可以享受到AWS领先、便利的基础设施;第四,安全合规,AWS打造的整个基础设施安全是可以通过各层级审视的,AWS与客户共建安全,客户对自己的数据可以完全把控和可视;第五,AWS拥有活跃的合作伙伴群体服务整个生态圈。
在行业深耕上,AWS也从四方面着手,第一,加强行业团队打造,充分挖掘各行业需求,制定解决方案;第二,加快创新速度和本地服务落地速度;第三,在全球发展基础上,将行业特色经验引入中国进行创新;第四,与APN合作伙伴一起发现更多创造力。
2020年AWS已经在中国落地了150多项服务和功能,服务落地的速度在大大加快,尤其在大数据、AI/ML、容器三个层面。
在解决方案层面,王承华也举了两个例子,第一个例子是数字资产盘活机器人解决方案,金融、医疗保险等行业可以将数据存储在AWS上,机器人通过贴标签,把流程服务化,节省时间和成本,同时提高精准率和响应速度。而且解决方案是开源的,企业可以通过代码、验证模型等进一步优化,提升整个资产的管理。
第二个例子是基于BigBlueButlon的解决方案,其是一个开源的教学软件,在其上可以快速的打造在线学习系统。该解决方案可以支持音频、视频、幻灯、白板、实时聊天、屏幕分享等,设备可以支持手机、平板、PC等。
逐步壮大的合作伙伴生态系统
在中国AWS正逐步壮大合作伙伴生态系统,AWS与百家APN合作伙伴开展联合解决方案,重点覆盖金融、制造、汽车、零售与电商、医疗与生命科学、媒体、教育、游戏、能源与电力九大行业数字化转型。AWS中国区生态系统及合作伙伴部总经理汪湧表示,AWS正与合作伙伴一起打造行业解决方案,同时也将海外优秀的时间引入中国,服务于百万级AWS全球客户。
9月10日,AWS与神州数码集团股份有限公司(神州数码)正式达成战略合作。一方面,作为由光环新网和西云数据所提供的AWS中国区域推广计划的第一家授权增值推广商,神州数码将把AWS广泛而深入的云服务和技术与中国企业的云应用场景进行有机结合,赋能更多合作伙伴更好地利用AWS云为客户提供服务,全方位推动国内云计算市场的创新发展;另一方面,通过AWS托管服务提供商(MSP)计划,神州数码将持续发挥自身在MSP领域积累的丰富经验与领先优势,从云咨询、规划、迁移、运维、及优化全生命周期等角度,为客户提供一站式企业云服务,为企业用户带来更好的云上体验。同时,神州数码还将以中国市场“运营商+发行商”的身份,帮助诸多AWS全球独立软件开发商的产品落地中国市场。
另外,AWS也与毕马威达成了在中国的战略合作,结合毕马威多年在行业积累的经验,以及各个行业SaaS解决方案打造的智慧之光系列数字化解决方案,一起为客户提供在金融、制造业、零售、快消、医疗保健、生命科学等行业的上云直通车。
东软集团汽车电子事业本部大中华区营销总经理尚祖安表示,东软基于AWS构建了云原生汽车在线导航服务NOS,可以为多家车厂在多个国家快速部署,系统可以实现快速升级、快速迭代、更新数据,为中国车企走向海外提供服务。
“电商讲究多快好省,与AWS合作也是同一个逻辑。”北京外研在线数字科技有限公司CEO商其坤表示,AWS服务多,让我们可以快速抢占市场,服务稳定性好,降低运维成本。
上海速石科技公司联合创始人戴毅表示,芯片设计在需求端,对于算力的需求是巨大的,AWS提供了一个分布在全球各地的海量计算池,而且还提供了非常丰富的计算环境选择。
目前,越来越多的合作伙伴正与AWS创造出优秀的数字化解决方案,不断推动中国乃至全球各行各业的企业实现数字化转型。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。