当前,轮科技革命和新一轮变革正在影响着世界格局,新基建作为国家经济发展战略,我们正在迎来数字经济发展的新机遇。
国家“十四五”规划和2035远景目标纲要中提出要加快建设新型基础设施,围绕强化数字转型、智能升级、融合创新的支撑,布局新型基础设施。
新基建带来的发展机遇,不在基建本身,而是数字化、智能化的升级与经济社会转型需求的叠加,激发了多元的需求。
随着国家对新基建支持力度的不断加大,各地也在加速新基建项目的落地,但新基建是一个系统性的工程,投资规模大、建设周期长,需要汇聚各方智慧和力量共同推进。
近日,浪潮新基建生态联盟(银河)成立大会暨2021浪潮新基建生态伙伴大会在济南隆重举办。本次大会以“聚力新基建,共赢新未来”为主题,与会嘉宾共同探讨新基建领域的前沿趋势、创新模式与实践路径。
与此同时,大会期间,浪潮新基建生态联盟——银河联盟正式成立山东高新通等40多家公司作为首批成员单位正式加入银河联盟。联盟成员将资源共享、优势互补,共同开展新基建政策理论研究、信息资源共享、技术成果转化等工作。
浪潮新基建系列产品发布仪式也同期举行,浪潮发布双子-城市大脑平台、天鹰-物联感知平台、天鹰-多杆合一产品、御夫-智慧街区服务平台,并且联合百度等新基建生态合作伙伴发布新基建融合解决方案,包括智慧交通车路协同解决方案、综合应急指挥解决方案、城市治理一网统管解决方案、医疗新基建解决方案、数字孪生解决方案,赋能千行百业数字化转型。
多举措布局新基建
为了抓住新基建下的产业新机遇,浪潮新基建携手生态合作伙伴,共同成立了浪潮新基建生态联盟(银河)。
浪潮新基建党委书记肖雪表示,作为浪潮集团成为新型基础设施建设的骨干企业的战略目的的落地载体,浪潮新基建定位于新型基础设施建设的骨干企业和智慧城市解决方案与产品服务商,主要开展传统智慧城市基础设施智能化改造以及云计算、大数据、人工智能、5G、工业互联网、物联网等相关的新型基础设施建设业务。
新基建发展的核心是基于新一代信息技术演化生成的基础设施,是技术、方法、网络等要素的具体呈现,新基建发展的关键在融合基础设施,是信息技术在一定应用场景价值下的实现。
以新基建为载体,以城市大脑为核心,通过智能物联感知平台,浪潮新基建推出的各种系列产品,构建城市物联感知体系,以产业“投资+运营”的双轮驱动打造区域级的智慧物联产业高地,助力城市数字化转型与高质量发展。
浪潮新基建副总经理姜振华表示,感知是通过物联网感知平台,赋能整个城市的传统基础设施。城市大脑是体现城市多元信息的基础设施,借助运营平台提升城市的管理和创新。
例如浪潮在山东部署了1.2万个智能灯杆,照明亮度提高了26%,节能提高62%,一年节约18000度电,标准碳排放减少6800吨。
肖雪说,新基建的发展离不开产业链、供应链的高效协同,浪潮新基建与伙伴一起围绕加快新型基础设施建设,培育新生态,构建新模式,激发新动能。浪潮新基以银河联盟为载体,为推动新基建的产业创新和城市的高质量发展作出更大的贡献。
姜振华也补充说,新基建需要新生态,在合作模式上,需要从单一的渠道化合作,向渠道、方案、产品、技术、交付多元化合作;在生存模式上,从独立抗风险模式转变为体系抗风险模式,最终,从利益共同体升华为命运共同体。银河联盟将整合各方优势资源,为所有成员单位持续赋能,构建起自循环、自生长的良性生态系统,真正做到为伙伴赋能力、与伙伴共成长。
据悉,浪潮新基建今年也会推出“星路”计划,在千家合作伙伴中打造500家核心合作伙伴,围绕50个核心城市来打造产业生态,在此过程中,浪潮新基建将实现技术、产品、平台的赋能,并对与重点企业展开资本合作。
结语
新基建、新机遇、新征程,浪潮新基建持续推动着新一代信息技术与实体经济的深度融合,承担产业的使命,驱动产业升级,为经济社会数字化转型赋能。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
SEALQA是维吉尼亚理工大学研究团队开发的新型基准测试,旨在评估搜索增强型语言模型在面对矛盾、嘈杂或无用搜索结果时的推理能力。它包含三种测试:SEAL-0(极具挑战性的核心问题集)、SEAL-HARD(更广泛的困难问题集)和LONGSEAL(测试长上下文多文档推理)。研究发现,即使是前沿模型在这些测试中表现也很差,增加测试时计算资源往往不能带来可靠的性能提升,高级推理模型对嘈杂搜索结果特别敏感,模型在识别大量干扰文档中的相关信息时仍然困难重重。
这篇论文提出了"计划与预算"框架,解决大型语言模型在推理任务中的效率问题。研究者发现模型存在"推理失调"现象——简单问题上过度思考,复杂问题上思考不足。他们开发了贝叶斯预算分配模型(BBAM)作为理论基础,将推理分解为子问题并根据不确定性分配计算资源。实验表明,该方法在不同任务上显著提高推理效率,令牌使用减少39%,E?指标提升187.5%,且能使小型模型达到大型模型的效率水平。