现如今,“新基建”已经成为城市产业新一轮竞争的发力点,“新基建”的推进数字化技术在行业中的进一步应用,助力城市产业升级,尤其是传统产业数字化转型的落地。12月18日,在新华网与中国科协学会学术部指导,新华网客户端与中国电子学会主办,至顶传媒承办,科技行者与GSMA协办的2020中国新基建领导力峰会上,中国信通院云计算与大数据研究所所长何宝宏、微软中国首席技术官韦青、富士通(中国)信息系统有限公司汽车事业总部总经理兼北京分公司总经理汪波就《新基建助力城市产业升级》展开分享。
从左至右:中国信通院云计算与大数据研究所所长何宝宏、微软中国首席技术官韦青、富士通(中国)信息系统有限公司汽车事业总部总经理兼北京分公司总经理汪波
用升级的眼光看新基建
何宝宏曾在之前很多场合讲过,新基建一直在路上,通信网络一直就是基础设施,直到互联网的诞生让通信网络变得通用,云计算是计算数字化,人工智能希望在通信和计算基础之上更好地扩展基础设施的范围,赋能更多的领域。并且新技术要赋能传统行业,因为传统行业的体量远远大于纯粹的数字经济领域。
“想要富,先修路。”这是老百姓的一句俗话,可以说基本诠释了所有的问题。汪波认为,旧基建解决了传统的基础设施,新基建解决的信息、数字的高速公路,因为只有解决好这个问题才能更好地推动产业发展,发展数字产业同时对传统产业赋能。
韦青则希望大家不要纠结于新和旧的概念,其实很多事情在早先就已经被定义,现在更多是内容得到强化,上升了一个台阶,就像城市升级,要在新的计算、存储和通讯上面升高一个台阶一样。从语言模型的角度来看,宇宙的本源由物质、能量、信息构成,第一、第二次工业革命用蒸汽机给人的四肢提升了能力,第四次工业革命则是物质、能量、信息用机器把人的能力提升。
按部就班的开展数字化转型
一谈到数字化转型我们谈的更多的是传统行业,传统行业在数字化的应用上一直是一个跟随者,在新基建的背景下传统产业是否能够逆袭成为示范者?韦青表示,把网络化、智能化、数字化包括在一起,用机器能力代替,对于现在的企业而言是非常重要的,需要从本源出发,从数据、模型、计算、通讯,再往上走到智能。
传统行业的发展建设有很多惯性思维,但是传统行业始终是追随者这是一个悖论。何宝宏认为,传统行业面对新技术,肯定会有一定的阻碍,在架构、人才、组织上去了解需要做什么学什么,这需要一个过程。
富士通经历了85年的发展,从最早的通信设备到计算机到大型服务器到超算到个人计算机再到ICT公司,可以称得上是一位长期的转型者。汪波总结了两句话,第一,与客户或者与市场共同成长;第二,持续创新。可以说制度创新、核心竞争力创新是富士通发展到现在最大的智慧。
数字化转型多学习,多实践
2015年,当时正值中国制造2025和工业4.0兴起的时期,当时富士通帮助一家上海企业推进信息化时还是选择打好基础,第一阶段将业务变成数据,第二阶段实现互联互通,到第三阶段再使用大数据、人工智能技术进行业务创新和改革,最终也成为中国智能制造试点单位。
传统行业在数字化人才储备上一直相对薄弱,韦青也认为最大的短板就是人,不仅仅是技术人才,决策者也有短板,不要拿旧的知识体系看新问题,企业人员知识更新不够快,需要大规模的进行知识沉淀和培训。
今年是新基建提出的第一年,明年又是“十四五”的开年。何宝宏也给出了今年的两个关键词:新基建和数据生产要素。当然在新的一年还要脚踏实地,多学习、多实践,因为在不确定的时代,实践是检验真理的唯一标准。
总结
未来企业需要真正回归本源,思考自身的核心竞争力,通过实践进一步实现创新,甚至产业的升级。同时峰会主办方也将在全国各个城市高新园区、产业园区展开新基建相关的调研访谈,发现数字经济新范式,总结数字化转型新案例,调研新基建发展新模式,勾勒出中国创新地图。可以预见,未来,在各界的共同努力下,中国的“新基建”定将为经济社会的繁荣发展提供更强有力地支撑。
好文章,需要你的鼓励
StepFun团队开发了革命性的Mind-Paced Speaking技术,让AI聊天机器人首次具备边思考边说话的能力。通过双大脑架构,分别负责思考和表达的两个AI模型协同工作,实现零延迟响应的同时保持92.8%的高准确率。这项技术模拟人类大脑机制,让AI对话变得自然流畅,为人机交互开创了全新范式。
谷歌推出类似苹果私有云计算的新平台,让用户在享受先进AI功能的同时保护数据隐私。该平台将复杂AI请求转移到云端处理,确保敏感数据仅用户可见,连谷歌也无法访问。随着AI工具需要更强计算能力,这一方案平衡了隐私保护与性能需求。Pixel 10手机将获得更智能的Magic Cue建议和更多语言的录音转录功能。
微软和哥伦比亚大学联合开发了名为Dyna-Mind的AI训练框架,通过两阶段训练教会AI进行"心理模拟"。该框架让AI学会在行动前进行虚拟试错,显著提升了在复杂规划任务中的表现。在推箱子、虚拟家庭任务和安卓设备操作等测试中,成功率分别达到82.5%、92.5%和40.7%,远超传统方法。这项研究为开发更智能的AI助手奠定了基础。