至顶网CIO与应用频道 05月22日 北京消息:2017年5月18日,“西南云海,数聚酒城”暨华为中国ICT生态之行2017泸州站隆重召开。大会分享了行业云、大数据发展和智慧城市建设的经验,围绕智慧医疗、大数据产业生态,共同探讨了大数据产业的新思路、行业融合和优势互补发展的新模式以及云时代的转型机遇和挑战等热点问题。泸州市副市长陈日、副市长付小平,华为公司企业云业务部相关负责人和专家,以及来自全国各地的近三十家企业高层代表共同参加了本次盛会。
大会发言
在论坛上,泸州大数据及服务外包产业示范基地也举行了业务开通仪式,标志着华唐集团泸州分公司一期500坐席的云呼叫中心正式投入运营,华唐集团将依托华为云平台建设云呼叫中心。
启动仪式
此外,本次会议期间,高端医疗设备和医疗信息化解决方案提供者联影科技、全球精准医学领导者药明康德子公司明码生物科技、数字环保领域的引领者中科宇图科技股份有限公司、专注于呼叫中心人力资源全套解决方案的华唐教育集团、致力于数字城市和智慧城市整体解决方案的广州都市圈、智慧安全专家深圳市奔凯安全技术有限公司、利用信息网络经营游戏产品的北京云族佳科技有限公司等十余家企业高层参加座谈,共同探讨云产业发展的新机遇。
座谈
华为企业云生态合作伙伴在座谈会上介绍了各自企业情况,并提出基于华为云平台与泸州开展合作的解决方案,经过互动交流,合作伙伴对泸州有更加深入的了解,后续将陆续开展更多层次对接。合作伙伴还考察了位于泸州高新区的大数据产业园、华为四川大数据中心,实地了解产业发展情况及规划布局。
自2016年5月18日,华为泸州“政务云”上线以来,泸州市已经完成70余家单位近200个信息系统向泸州政务云平台迁移,依托华为云平台,建设了市级人口健康平台、数字城管、两车卫士、长江物流云等政务系统,同时,数据资源管理平台、白酒大数据等大数据应用陆续建设完成。通过政务云平台的建设,实现了泸州市智慧城市信息化系统的集中建设、数据的集中存储,为下阶段各委办局的业务协同、数据共享奠定了基础。
泸州市副市长陈日表示将大力发展新兴产业,既顺应供给侧结构性改革国家政策,也是实现泸州发展“弯道超车”的关键一环。泸州要以华为云平台为依托,围绕四个中心,大力引进下游企业,建设一个可视化,可落地,具象概念的云服务产业园区,并推动泸州成为川滇黔渝结合部云计算、大数据人才、数据资源、行业资本、企事业单位汇聚的区域枢纽和智慧信息中心。并将园区技术应用到泸州各行各业中,打造泸州样板,打造城市对外展示窗口,进一步推动下游企业来泸州考察参观、发展落地,促进云计算大数据产业园取得实质性发展
华为企业云相关负责人表示,泸州市区位、资源、人文和生态等优势突出,近年来发展成效显著,华为企业云已经在中国构建了一张覆盖国家-省-地市三级的云服务网络。华为和泸州市将共同推动大数据产业在泸州的发展落地,依托政务大数据、商贸大数据、医疗健康、智慧城市、精准农业、金融服务、工业大数据、白酒交易中心等,助力泸州信息化快速发展,把泸州大数据产业园建成辐射西南地区的“西南云海”,以带动泸州产业结构的转型升级和社会经济的发展,打造经济新业态。
未来,华为企业云将更加紧密协同泸州通过华为四川大数据中心加快推进泸州市云计算产业发展,与泸州市政府共同打造面向西南、服务川滇黔渝的国家级云计算示范产业基地,助力泸州打造成西南大数据储备中心、西南智能制造中心及四川省信息消费中心。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。