丈量4平方公里范围内的全部农作物面积,需要多少人,需要多少时间?在第三次全国农业普查中只需要2名操作员和1架无人机,2个小时便完成了。工作人员以卫星提供的遥感地图数据划定需要遥感的地块,释放无人机进行实测。无人机通过卫星定位引导自动拍摄需监测地块的高清遥感影像,工作人员将影像合成为遥感实测图。利用遥感解译的结果与野外调查核实的结果进行稻谷种植面积推算,整体精度超过95%。
“三农”剧变导致普查复杂化
2016年,我国展开第三次全国农业普查,农业普查是全面了解“三农”发展变化情况的直接手段。然而,这次普查距上一次已有十年。十年间,我国的“三农”面貌发生了翻天覆地的变化:多种类型的农业经营主体大量涌现,导致农村土地流转形式多样化,生产经营情况复杂化;城乡一体化步伐加快,大量行政村进行撤并聚集;外出务工劳动力逐年增多,农村人口流动变化大等问题都给普查数据采集的准确度带来挑战。
第三次全国农业普查将对全国3万多个乡镇、60多万个村委会、2亿多农户进行调查,内容涵盖农业农村经济社会发展的方方面面,由此产生的海量数据给后期数据处理分析带来极大挑战。
智慧手段网罗“三农”大数据
“工欲善其事,必先利其器”,面对愈发复杂的“三农”面貌,必须创新调查方式,以更加智慧的手段获得精准数据,以计算能力更加强劲的平台对海量数据的分析,问诊“三农”,为科学决策提供依据。
此次农业普查将采用遥感、手持智能数据采集终端、联网直报等智能手段对数据进行采集,提升普查工作效率、数据质量和服务器水平。然而,这只是普查的第一步,如何高效精准地对收集到的海量数据进行分析处理,将直接影响最终的普查效果。
第三次农业普查将按照“移动采集、网上报送、两级部署、多级审核”的模式对数据进行处理,只有计算性能强劲,扩展性强的平台才能支撑海量数据的精准快速分析。
海量数据处理还得选浪潮四路
国家统计局综合考量了第三次全国农业普查工作的工作量应用需求,决定建设数据统计分析平台,对采集到的海量数据进行处理采集与录入、数据报送与接收、数据交换与备份、数据审核与验收、数据汇总与反馈以及数据归档等工作。
经过严格的测试和全方位的考察,国家统计局的数据统计分析平台最终选择了100台浪潮四路服务器作为支撑平台,为全国32个调查队提供服务。浪潮旗舰版四路服务器NF8480M4搭载四颗英特尔最新E7 v4处理器,最大可扩展至12TB内存,14个PCIE 3.0扩展插槽并支持热插拔,数据带宽提升100%,强劲的计算能力和灵活的扩展功能充分满足第三次全国农业普查的数据采集、加工、分析、备份等需求。同时,NF8480M4还支持内存交叉存取、热插拔、内存镜像、内存热备份等高级RAS特性,关键部件热插拔,保障系统长时间稳定运行,不用担心突然宕机导致的数据丢失等问题。
浪潮NF8480M4
精确普查 数读“三农”利国利民
国家统计局相关负责人谈到:“普查往往因为数据多、工作量大而导致调查的效率低下,精确度不高,导致我们对“三农”基本情况的认识偏离正轨,从而削弱了普查的意义。第三次全国农业普查创新的手段高效采集数据,依托高效的平台对海量数据进行科学分析,真正做到了精确普查。”
通过这次农业普查获得的农业、农村、农民基本情况,将为农业生产经营者、科研机构和社会公众提供翔实的“三农”资料信息,从而促进农户和农业企业生产经营,深化“三农”发展道路研究,引导社会关注和支持“三农”发展。还可以据此建立“三农”信息“一张图”,将“人”“图”“数”进行“时空”一体化的整合,建立我国农业生产区域分布可视化展示系统。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。