[中国,深圳,2021年9月24日] 华为全联接2021第二日,华为董事、企业BG总裁彭中阳出席并发表”深耕数字化,共创伟大未来”主题演讲,提出从场景、模式、生态三个方面探索行业数字化转型前景与未来。大会上,华为面向政府、交通、金融、能源、制造五大行业客户发布11个创新场景化解决方案,携手伙伴满足数字化转型不同阶段客户的需求,应对行业挑战,抓住转型新机遇,共创行业新价值。
华为董事、企业BG总裁彭中阳表示:“华为通过场景深耕、模式深耕和伙伴深耕来助力客户数字化转型,即数字技术’扎根’于企业场景,与业务流程融合,以‘咨询+集成+辅助运营’的合作模式,做到懂所需、践所想和达所望。同时,通过大力发展能力型伙伴,打造共生共创共赢的伙伴体系,共同助力企业数字化转型成功。”
华为董事、企业BG总裁 彭中阳
场景深耕、模式深耕、伙伴深耕
数字世界的深耕是迭代的过程,数字化转型如今已成为行业共识,从“要不要做”变为“如何做”。为助力企业实现模式创新、提质增效、体验增强、打造韧性,华为提出企业数字化深耕的三大方向:
场景深耕:数字技术与业务流程融合,关键在于3个“深入”。从辅助系统深入到核心/生产系统、从领导驾驶舱深入到作业场景细节、从局部业务深入全场景覆盖实现全业务数字化,华为持续在行业中不断累加场景、深耕场景,解决核心业务问题。
华为从2016年开始全面推行数字化转型战略,把数字世界带入华为。华为董事、CIO陶景文表示:“数字化转型要以支撑企业主业成功为目标,以业务重构为核心,构建数字能力为基础。华为结合自己的实践,建设了数字化使能平台鸿源云道。我们希望面向企业打造一个开放的平台,能够让数字化转型快速地在千行百业得到落地,促进企业形成全球高质量的竞争力。”
华为董事、CIO陶景文
模式深耕:华为通过“咨询+集成+辅助运营”的合作模式,走向以客户业务成功为目标的合作模式。未来五年,华为计划发布超过300个场景化服务解决方案、建立超过200个服务标准、助力发展800家以上的服务伙伴。
国家石油天然气管网集团有限公司(简称国家管网集团)成立于2019年,自成立起,就携手华为开展数字化转型,并确定了“数字化让国家管网与众不同”的愿景。国家管网集团副总经理刘中云表示:“数字化转型是一个长期的、复杂的系统化工程,数字平台和数据是国家管网数字化转型的核心,也是深耕数字化的基础。国家管网携手华为公司进行数字化转型,实现“资源共享化、架构标准化、数据融合化、能力服务化、应用场景化”,助力国家管网高质量发展。”
伙伴深耕:华为将以共赢思维全面升级伙伴体系,做能力型伙伴成长的“黑土地”,基于共同机会、共同创造,建立长期伙伴关系、共同发展。
作为华为全球战略合作伙伴之一,神州数码集团董事长、总裁郭为分享了神州数码与华为在数字化转型中的成长与收获:“ 在数字化的今天,新基建出现,就是要通过云、网络,把全世界联接在一起,构造一个云原生、元宇宙的人类命运共同体,这是我们的使命。未来,神州数码希望联合华为及生态伙伴一起持续深耕数字化,赋能行业转型,共创共赢数字化的未来。”
深耕行业数字化,华为发布11大场景化解决方案
站在“深耕”数字化的起点,华为在会上发布了覆盖政府、能源、金融、交通、制造等五大行业的11个创新场景化解决方案,积极探索行业数字化转型创新。
在政府与公共事业领域,华为发布包含一网统管、辅助运营、零信任安全等在内城市智能体三大核心解决方案,持续助力政府的业务和流程变革,共同建设宜居、创新、智慧、绿色、人文、韧性的新型智慧城市。
在能源领域,华为发布智慧电厂、智慧加油站两大方案,持续助力能源行业实现高质量发展,共同构建绿色、低碳、安全、高效的零碳智慧能源体系。
在金融领域,华为发布移动支付、分布式新核心两大方案,持续助力金融机构成为更好的数字化生态型企业,共建全联接、全智能、全生态金融。
在交通领域,华为发布智慧机场、智慧空管、综合交通解决方案,持续助力交通行业客户“人悦其行,物优其流”的数字化转型成功。
在制造领域,华为发布智慧车企解决方案,助力制造行业提升效率和体验,驱动创新。
面向数字化演进的不同阶段,华为将始终与伙伴、客户站在一起,以数字技术和行业实践赋能千行百业,携手全球伙伴,全力支持客户数字化转型,让每位客户成为独特的自己,让强者更强。
华为于2021年9月23-25日在线上举办华为全联接2021,大会以“深耕数字化”为主题,汇聚业界思想领袖、商业精英、技术大咖、先锋企业、生态伙伴、应用服务商以及开发者等各方,探讨如何深入行业场景,把数字技术与行业知识深度结合,真正融入政企的主业务流程,解决核心业务问题,催生体验提升、效率提升以及模式创新;并发布场景化的产品与解决方案,分享客户伙伴的最新成果与实践,构筑开放共赢的健康生态。欲了解更多详情,请参阅:https://www.huawei.com/cn/events/huaweiconnect
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。