2月7日下午,由《中国教育信息化》杂志社主办,杭州宏杉科技股份有限公司协办的“行家纵谈——数字化转型下的高校智慧校园建设”圆桌论坛在线举办。本次论坛邀请到华北电力大学网络与信息化工作处处长安杰担任主持人,北京大学计算中心主任张蓓,清华大学信息化工作办公室主任张小平,宏杉科技解决方案部部长薛亮作为对谈嘉宾。各位嘉宾基于教育数字化转型背景,聚焦高校智慧校园建设情况,从现状分析到趋势展望,从顶层设计到方案应用,与线上数百位观众共同探讨高校智慧校园建设的新挑战、新思考、新举措。

(左起:安杰、张蓓、张小平、薛亮)
党的二十大首次将“推进教育数字化”写进党代会报告,标志着教育数字化正式成为国家教育改革发展的战略部署。推进教育数字化,构建数据驱动的教育治理新模式,不断推动教育变革和创新,是贯彻落实党的二十大精神的重点任务。如何借力数字化转型推动学校高质量发展,是当下许多学校共同面临的课题。在本次论坛中,主持人和嘉宾们围绕“高校智慧校园的特征及建设关键”、“北京大学与清华大学在智慧校园建设中的经验与启示”、“高校数据中心建设的挑战与数据保护解决方案”、“未来数字化建设的规划与展望”等话题进行探讨。

北京大学计算中心主任 张蓓
北京大学计算中心主任张蓓详细介绍了北京大学在推进教育数字化、建设智慧校园过程中的亮点工作与经验启示,并总结了智慧校园建设的三大特征:
2)将基于计算机网络的信息服务融入学校的各个应用与服务领域,实现互联和协作;
3)通过智能感知环境和综合信息服务平台,为学校与外部世界提供一个相互交流和相互感知的接口。
基于智慧校园建设现状与教育数字化发展趋势,张蓓主任表示,未来北京大学将通过加强数字化转型的顶层设计,深化智慧教育平台的建设与应用,构建校级数字化大数据中心等措施不断提升校园数字化水平,并促进数字化转型向着更加智慧化、个性化和以人为本的方向发展,更好地服务广大师生。

清华大学信息化工作办公室主任 张小平
在清华大学信息化工作办公室主任张小平看来,智慧校园建设的关键,除信息化部门做好基础设施保障,完善数据资源共享、统一身份认证等平台服务能力与深入建设关键智慧化应用外,还需要各业务部门会同信息化部门,不仅把传统的业务工作线上化,还对业务信息系统所带来的数据红利,加以深度解析,推进数字化决策能力,实现数字化转型。
张小平主任还分享到,清华大学在推进智慧校园建设过程中,在运行服务保障以及信息化建设管理、网络与信息安全等基础上,又扩展了信息资源建设及管理,并将此作为信息化工作的主线任务,具体是指在建设信息资源“全” 集(内容全、关系全、能力全)的基础上,搭建信息资源配置体系结构,使得各个层次的角色(个人、院系、部处、学校等)都能实现信息资源的按需分配、自由配置。

宏杉科技解决方案部部长 薛亮
宏杉科技解决方案部部长薛亮表示,推进教育数字化对IT厂商而言既是绝佳的机遇,又是新的挑战。一方面,高校智慧校园建设离不开IT厂商提供各类数字基础设施与解决方案,另一方面,新的业务需求层出不穷,促使相关企业不断创新,与时俱进。
宏杉科技深耕教育数字化十余年,致力于用全面、丰富、完善的数据存储解决方案,为广大高校用户构筑坚固的校园“泛在”数据底座。面向一站式校园服务大厅、智慧教室、科研云、多校区全栈数据联动等场景需求,宏杉科技可通过涵盖全产品、全方案、全服务的一站式数据存储能力,为高校用户提供数据全生命周期的管理,助力用户从容应对多元数据挑战。
在至关重要的数据安全方面,除备份、双活等技术方案外,加快教育信创发展也是大势所趋。截至目前,宏杉科技已实现SAN、分布式、备份、云及超融合全系列产品自主可控,能够从根本上保证高校用户数据安全。
教育为本,科技为用。在新的时代背景下,以教育数字化引领高等教育高质量发展是高校网信工作者的普遍共识与共同任务,也给IT厂商带来更多机遇与挑战。作为一站式数据存储专家,宏杉科技将秉承自主研发与技术创新的理念,以专业的智慧高校解决方案,携手用户与合作伙伴,共同助力教育数字化转型行稳致远。
好文章,需要你的鼓励
亚马逊CEO贾西宣布,AWS实用计算产品高级副总裁彼得·德桑蒂斯将领导新的AI组织,专注于Nova模型发展、定制芯片开发和量子计算。作为领导层变动的一部分,德桑蒂斯将接管人工通用智能团队,原负责人罗希特·普拉萨德将于2025年底离职。新组织还包括皮特·阿贝尔领导前沿模型研究团队。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
最新调查显示,近半数CIO将AI采用和自动化提升列为未来五年的首要任务。超过三分之一的受访者将加强业务连续性和灾难恢复作为重点,同等比例的企业将人才技能发展列为优先事项。尽管AI投资成为焦点,但投资回报率仍不明朗,近三分之二的商业领袖估计AI投资回报率仅为50%或更低。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。