至顶网CIO与应用频道 03月21日 北京消息:2018年3月16日-17日,全时联合CIO时代学院、CIO时代研究会共同举办的“至’黑’体验,融合创新——第十期央企CIO论坛”,在北京金海湖畔成功举办。此次论坛邀请到央企CIO等众多嘉宾和行业专家,共同探讨科技创新与企业数字化转型这一议题。
在论坛现场,全时CEO陈学军的演讲和三家以色列公司带来的黑科技分享成为本次活动的两大亮点,吸引了参会嘉宾的关注。
全时展现企业数字化转型的力量
围绕对SaaS的发展经验、全时产品布局和未来规划三方面,CEO陈学军发表了主题演讲《我们是如何做SaaS的》。
CEO陈学军发表主题演讲
首先,在为央企CIO分享自己在SaaS领域多年的经验和看法时,陈学军认为:“工具不仅能够改变人的行为,更是组织改变最重要、甚至是唯一的方式。”全时一直致力于提供更多更优秀的生产工具,来提升组织效率。
其次,在谈及全时的产品布局和未来规划时,陈学军表示:“在全时已有的云会议系统、云盘、日历、团队、全时盒子等产品基础上,未来还将推出无人机、移动视频车、头戴设备等终端产品,全时正在不断完善自己的产品生态链和拓展使用场景。”
此外,全时在企业级云存储领域开始加速布局。企业云盘虽然在国内还处于发展的初期阶段,但其已经成为企业级云文件服务的发展趋势。在现场的分享中,全时的够快云库产品在新东方集团和万达集团的成功案例,吸引了在座央企CIO的兴趣并引起了热烈讨论。
全时技术支持跨国视频连线,三大黑科技公司现身论坛现场
在技术分享环节中,本次CIO论坛通过跨国视频连线的形式,让来自以色列的Gencell、Galooli和Modcon这三家公司为现场嘉宾做了精彩的“黑”科技分享。
跨国视频连线的实现,得益于全时在全球部署的数十个通信点和云会议产品十余年的技术积淀。在音视频处理方面,全时凭借自己独特的SVC视频算法技术和服务器/客户端双混音技术,保证了跨国视频连线清晰流畅的体验。目前,全球500强企业中已经有超过300家成为全时的客户。
跨国视频连线及远程嘉宾互动
来自Gencell的Rudy Shainer在现场为大家带来了《绿色能源燃料电池的技术与应用》的“黑科技”展示。Gencell作为一家主要提供工业氢燃料电池的公司,他们最独特的创新技术是一种氨分解器,能以极低的能耗率和效费比将液态氨转化为氢。
来自Galooli的CEO Leehu Hacohen发表了题为《IoT for Static Smart Management & Energy Efficiency》的演讲,为大家讲解了物联网智能管理与能源效率等方面的技术和案例。
来自Modcon的中国首席代表徐俊通过《在线分析技术在石化工业中的运用》的演讲,在论坛现场为大家分享了Modcon在原油开采的全套流程管理及相关硬件及咨询服务领域的经典案例。
全时技术实力,助力央企数字化转型
近年,数字化转型已经成为行业的热点话题,而央企的数字化转型因为直接涉及国计民生、供给侧改革等重大命题,尤其引人关注。
全时在过去十年中已经服务了中建、中铁、中烟等数家大型央企,无论在产品线还是在解决方案层面都已经积累了丰富经验。此次央企CIO论坛的成功举办,为央企等大型企业的科技创新与数字化转型带来了更大的想象空间和启示。
2018年,全时还将围绕重点行业和区域举行更多高含金量的活动,并为业界带来更多数字化转型干货。
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。