至顶网CIO与应用频道 07月10日 北京消息:智慧城市的顶层设计需要IT、产业、经济、城市规划、社会等各个层面的专家一起设计。因为智慧城市是一个复杂的集群,主要要解决智慧发展问题、智慧建设问题、智慧运营管理问题。而且城市发展还有八个要素:产业、金融、科技、人才、信息化、土地、生态、轨道交通,当然还有传统的经济要素。
所以把这些要素形成集群的效益,能够把地方龙头企业和信息化有机结合,带动四化高度融合:地方产业集群化、集群基地化、基地园区化、园区社区化、社区信息化。
7月6日,联想集团与泛华集团举行了战略签约仪式。未来,双方将利用自身优势,共同打造智慧城市系统解决方案一级平台。泛华集团多年以来一直从事为城市提供系统解决方案的运营加建设。在双方的合作中,泛华集团将利用自身在政府资源、特色小镇、投资运营等方面的优势,负责资源的对接;联想集团则擅长推进产业与新技术的高效结合,并拥有顶层设计与规划能力,大数据中心建设及运维,城市治理功能模块建设,产业升级模块建设,城市功能及大数据应用运营能力。双方实力互补,将发挥叠加效应。
此次与联想的战略合作主要体现在三方面:
第一、共同探讨对地方城市的智慧城市发展,智慧城市建设和运营的顶层设计。做到多学科、全领域的研究城市发展路径方向;
第二、共同挖掘地方的要素禀赋,让特色产业和信息化高度融合,形成智慧城市带动地方产业升级,找到产业新型增长点;
第三、共同探讨投资、建设和运营智慧城市;
联想集团高级副总裁、数据中心业务中国区总裁童夫尧认为,联想与泛华集团的合作是要共同参与到智慧城市的顶层设计中;利用联想数据中心咨询、建造、运行、维护能力,帮助当地进行自动化的建设;利用成熟的城市治理模块来帮助城市更好地智能治理;推动当地的产业升级。
联想集团高级副总裁、数据中心业务中国区总裁童夫尧
当然智慧城市的发展也会带来一定的挑战,泛华集团董事长杨天举看到,所有不成功的智慧城市遇到的最大致命点就是信息孤岛。当把战略和主导产业研究透彻,再通过地理信息系统、智慧金融、电商平台、智慧管理,就能把孤岛问题一点点儿解决。
泛华集团董事长杨天举
联想认为,未来的智慧城市建设要结合各城市在地理环境、产业结构、百姓生活工作等方面的特点,量身定制建设路径和方案。并以信息手段为载体,建立“感知”、“处理”、“协同”、“共享”的良性循环运行模式,实现生活服务精准便捷、城市环境普惠共享、产业发展产城融合。
联想的智慧城市解决方案,拥有全模块整合、新技术创新、生态圈共建,拥有顶层设计与规划能力,大数据中心建设及运维能力,城市治理功能模块建设能力,产业升级模块建设能力,城市功能及大数据应用运营能力。
基于这些能力,联想设计了“三中心 四平台”的智慧城市框架:
三中心:
第一、城市运营中心,未来智慧城市应该有一个真正落地的运营公司负责把整个的运营搭建起来,以商业化运营的方式来去服务整个智慧城市的各个功能模块。
第二、城市大数据中心,未来不管是支持政务决策,还是支持产业升级,大数据的收集、感知、处理和共享都将是不可或缺的基础。
第三、创新展示中心,以数据价值为基础,通过创新的方式向社会展示,为各行各业业务创新提供支持。
四平台:
传统的政务服务平台、民生服务平台、城市双创平台、产业的服务平台。通过这些平台,最终实现在政务服务里面的电子政务、平安城市、舆情分析、应急指挥、智慧城管等等一系列的政务服务的功能。
目前双方已经有一些项目正在进行中,例如泛华集团正在全国发展新型城市化特色小镇计划,帮助地方城市以名特优产品形成主导产业,之后帮助地方打通产业链,通过三产带动二产形成一产。泛华跟联想的合作,下一步会从三方面入手:
第一,解决地方硬件,IDC大数据中心运营的问题。
第二,解决农业大数据的资源问题,比如跟地方的地理信息系统、测绘系统、农业、气象部门。
第三,解决大数据产业化的问题,数据运营带来产业化的问题,需要构建这个领域的产业生态系统。如果能形成产业生态系统,才能真的帮助地方从需求端、供给端入手,实现转型升级,创新驱动,强县与富民结合,改革与发展,城镇与乡村的打通。
联想能提供垂直行业的解决方案,同时能提供大量的开发工具,有助于满足客户定制化的需求。例如联想帮助徐工集团打造了我国首个“工业物联网大数据平台”;帮助温州医科大学附属第一医院实现了流程再造;帮助深圳建设了全产业链交通咨询服务体系;帮助甪直小镇发挥模具加工的优势,实现智慧小镇转型;通过数据收集和大数据分析为地方环保局定位大气污染源等。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。