近期,“新基建”成为业界关注的热门话题,具体来说,“新基建”包括5G基建、特高压、城际高速铁路和城际轨道交通、充电桩、大数据中心、人工智能、工业互联网等领域。
“新基建”的提出体现了当今中国经济和社会发展的趋势与内在需求,也是我国经济社会发展加速迈向数字和智能时代的关键。实际上,这些面向未来的“新基建”场景,往往离不开海量数据的处理、存储和云化,同时也对如今的IT基础架构和计算能力提出了不同程度的挑战和要求,而云服务厂商可以从中挖掘出新的市场机会。
UCloud优刻得创始人兼CEO季昕华在接受至顶网采访时表示,作为中立的云服务商,UCloud可以发挥自己在云计算、大数据和AI等领域积累的深厚资源和能力、技术优势,在“新基建”的征途上助力各行各业的数字化转型建设。
季昕华说,最近的疫情让大部分的企业或者老百姓都意识到了互联网的价值和作用,比如无接触经济、宅经济、远程办公等,互联网的价值越来越大。
在这种背景下,“新基建”被提出来。众所周知,疫情之后需要发展经济,“新基建”是一个新的增长点,特别是当前虽然疫情有所好转,但是还是有一些风险的情况下,如何利用互联网的技术来发展经济是一个重要的途径。
谈及“新基建”对UCloud的影响,季昕华认为,这会对公司业务有非常大的带动作用,“新基建”重点提及了5G、人工智能、大数据和云数据中心等领域,对整个行业是非常大的利好。
“5G的泛在性、大带宽、低延时等特质会给很多行业带来全新的革新动力,比如教育、工业互联网、医疗等。5G的带动效应会给UCloud带来很大的机会点。”季昕华说。
虽然“新基建”带来很多机会,但是季昕华还是谨慎乐观的。因为此次“新基建”与此前的基础设施建设不同,以前的基础设施建设更多是政府主导,但是“新基建”更多是市场主导,相关领域建设需要企业考虑投入产出比,所以“新基建”的力度和节奏不会像老基建那么快,这需要客观对待。
“每个企业都有自己的边界,应该发挥自己的优势做自己擅长的事。”季昕华说,“UCloud也是聚焦自己的能力建设,打造中立、安全的云计算服务平台,用云计算帮助梦想者推动人类进步。”
当下,在线教育、在线医疗、游戏等行业对于云的需求更加强烈,同时传统行业客户的上云进程也得到提速。这些都会给UCloud带来更多的客户增长。不过机会是有了,但是客户在上云方面仍然面临不少挑战,UCloud接下来要做的就是帮助这些客户上好云。
季昕华表示,在这次的“新基建”浪潮中看到了行业面临的四个问题,同时也是摆在UCloud面前的机遇。
第一, 很多传统企业数字化转型意识不足。虽然各行各业对于数字化转型的认识越来越深,但是仍然有很多行业客户对于数字转型的意识不够强烈,缺乏动力。同时,对于想转型的行业客户,他们在能力建设方面不足。他表示,UCloud正在进行更多的能力输出,帮助这些客户实现数字化转型。
第二, 传统企业的互联网人才储备和技术手段不足。UCloud希望输出更多的技术能力,通过数据化的手段来帮助他们实现数字化转型。
第三,转型过程,企业成本压力大。在数字化转型进程中,很多行业客户对于成本非常敏感、不敢投入,这个时候需要UCloud和相关政府部门一起来帮助传统企业转型,比如设立一些区域性的公共转型中心,通过政府补贴、UCloud赋能和企业支付一些,三方共同努力推动企业转型建设,解决成本问题。
第四,数据安全问题越来越受重视。当上云之后,企业的数据是放在云端或者互联网之上,很多企业担心数据安全问题。UCloud在确保客户数据安全方面做了很多工作,同时也与政府部门沟通,制定更规范的法律法规,确保数据的安全性和可靠性。
“新基建”为当下蓬勃发展的数字经济注入了新的力量。当5G、人工智能、大数据的技术全部落地的时候,我们的生活和工作也会发生一个翻天覆地的变化。
季昕华表示,技术与商业的结合会开启未来的巨大想象空间。展望未来,我们有几点是可以想象的。
第一, 线下业务的数据化,企业可以更好地决策,效率也会变得非常高。
第二, 线上和线下的差异越来越不明显。线下的事情可以线上进行,比如远程医疗、远程教育,特别是借助VR技术,线上和线下更加融合。
第三,有了数据和人工智能,很多重复性的工作不需要人工进行了。这对于劳动力成本的改善很有好处。“可以预见的是随着中国‘新基建’的建设,我们可以像老基建一样向一带一路进行输出和扩展,更好地造福世界。”季昕华最后说。
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。