数字乡村既是乡村振兴的战略方向,也是建设数字中国的重要内容。2021年中央一号文件提出了全面推进乡村振兴,实施数字乡村建设发展工程的新要求。
近日,紫光股份旗下新华三集团数字乡村研学基地揭牌仪式在浙江衢州余东村举行,该基地将融合新华三集团推进数字乡村的全域实力以及余东村敢为人先的智慧转型经验,探索数字化与乡村场景融合的创新空间,将余东村塑造为高质量发展、高品质生活的未来乡村样板,以数字化赋能更多乡村的转型和发展。
未来乡村新图景
余东村位于衢州市柯城区沟溪乡,距衢州市区16公里,现有常住人口820人,从事农民画的村民有300多人,全村农民画艺术氛围浓厚,是全国民间文化艺术之乡。

自去年9月启动数字乡村建设以来,余东村围绕“三主五化十场景”,以文化传承为核心,以问题需求为导向,以数字化改革为途径,应用于村民全生命周期服务。

在数字乡村创新的背后,蕴含着余东村汲国内外未来乡村建设之所长、融自身资源文化之优势的巧思,深植着与新华三倾力打造富有余东村特色“乡村大脑”的匠心。据了解,这个一体化智能化大数据平台全面赋能数字党建、智慧治理、数字产业、智慧服务等4大功能模块,让余东这个浙西小山村蝶变为全省首个以农民画为特色的、具有高辨识度的“旅居型”未来乡村。
衢州市柯城区沟溪乡党委副书记陈国刚告诉记者:“‘乡村大脑’很好地支撑了余东村的基层治理和民生服务。”
目前,余东村已经在邻里、文化、健康、低碳、产业、风貌、交通、智慧、治理、党建等十大应用场景中推出了一系列智慧应用,切实提升了村民的获得感、幸福感,通过数字化赋能实现余东村的高质量发展。
在未来邻里场景中,新华三助力余东村开通“有礼积分系统”,提升村民们维护村容村貌、参与邻里互助的积极性,在守信积分中逐步养成良好行为自觉;在未来文化场景里,余东村让农民画与数字化技术结合,用全息影像等手段创新农民画展现方式,打造出新的数字化艺术空间,拓展网络传播渠道,让更多人了解、感受余东村的绘画艺术;在未来健康场景中,余东村的乡村智能健康步道和共享运动场所为村民们提供健身娱乐的基础设施,24小时自助智慧健康驿站、红外健康体检室、智能医务室、无人药房更有力改善村民们求医问诊的实际体验……
”数字化让基层治理建设如虎添翼。下一步我们还将继续深化数字化改革,用数字化的手段推动未来乡村的各项发展。“陈国刚说。
激活乡村新动能
如今,余东村已经实现一站式通览通办,让村民感受到办事便利,享受到生活幸福,让共同富裕成为余东人看得见、摸得着的生活体验,提升民众获得感、满足感。
新华三集团副总裁、浙江代表处总经理宋凯表示,摒弃传统的”卖产品“模式,在数字乡村建设中,新华三及其合作伙伴与余东村一同探索合作模式创新,共同开发出全新的乡村治理系统,以便更好地满足当地经济社会发展及治理的需求。
谈及余东村的数字乡村建设,新华三集团政府事业部技术总监董艳丽表示,数字化的创新唤醒了乡村领导人的思维意识转换,随之撬动了乡村发展的机制、体制、组织等一系列改革,助推乡村全面高质量发展。
为此,新华三集团推出“数字乡村战略2.0”,通过“省-县-村”分级建设体系,构建“乡村治理一张图、乡村数据一座桥、乡村大脑一朵云、乡村服务一终端”的乡村数字基础架构,搭建云上融合集成支撑平台,引领乡村超脑等创新落地,不断丰富线上线下服务内容,助力全面实现农业强、农村美、农民富的战略发展目标。
新华三集团中国区副总裁、产品拓展部总经理刘云峰表示,新华三数字乡村战略2.0更强调 在每个数字乡村的个性化和场景化,使数字能力真正赋能数字乡村老百姓生活中的每一个场景,真正提升老百姓的幸福感,帮助数字乡村提高治理能力,助力实现共同富裕。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。