2017年6月7日,一年一度的高考日正式来临,高考结束后便迎来了报考专业的高峰。根据教育部的消息,2017年全国各高校新增备案和审批的本科专业名单中,数据科学与大数据技术、网络空间安全等新兴学科增加明显。而麦肯锡的一份分析报告指出,预计到2018年,大数据或者数据工作者的岗位需求将激增,对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到150万。
对于这些大数据人才,除了基础的IT知识,还需要掌握两项技能:数据分析和行业知识。在以往的教育体系下,很难出现三种技能集于一身的人才。因此,为市场培养具有复合能力的应用型人才非常重要。与此同时,随着创新驱动战略的实施和信息技术与各行业的深度融合,国家对复合型、应用型人才的需求整体空前增大,这些都在迫切地加速国内应用型高校的改革推进。
作为应用型人才培养与市场实际需求的连接“纽带”,为推动中国大数据产业发展、助力中国经济转型,数据中国“百校工程”产教融合创新项目应运而生。
曙光 “百校工程”,连接大数据人才与市场
曙光很早便意识到信息产业的速度、结构、动力都在发生重大的调整,早在2015年,曙光便发布了“数据中国”企业战略,计划在中国的百余城市,建设全面融合的云计算和大数据平台,构建一个覆盖全国的数据网络。另外,曙光有着“国家队”的背景,与中科院形成了良好的产学研用一体化的运作模式,在行业中具有独特优势。
在这样的条件下,为服务国家创新驱动战略,落实《促进大数据发展行动纲要》,曙光与教育部联合发起数据中国“百校工程”产教融合创新项目,计划通过2-3年时间在全国范围内遴选百所高校,部署集人才培养、科研创新、行业应用及社会服务于一体的“曙光大数据应用创新中心”,为国家经济发展转型升级和社会进步提供数据、人才、技术支撑。
目前,数据中国“百校工程”正充分发挥大数据时代连接人才与市场的纽带作用。项目已完成首批试点院校遴选工作,确立了41所试点院校和20所培育院校。已启动项目包括:华东师范大学教育大数据实验室、江苏师范大学智慧教育、凯里学院贵州大数据精准扶贫、河北民族师范学院智慧城市、湖北大学光伏大数据等。
项目实施以来,以工程师为骨干的数十人教学团队被派入驻湖北大学、广东石油化工学院等高等院校,并已录取了首批千余名本科生进入大数据学院,整个百校工程的开展呈现“产教深度融合,百校协同发展,迈向国际化”的三个运行特征。
曙光“数据中国”,推动中国大数据产业发展
大数据时代,数据被认为是具有战略意义的重要资产。无论对于一个国家、一个行业,还是一个企业都是如此。自提出“数据中国”战略以来,曙光稳步推进大数据技术与产品的研发,力争成为中国大数据发展过程中聚集资源、对接需求、联通产业链的“纽带”。
2016年,曙光提出“数据中国-加速计划”,针对政府大数据、科学大数据、安全大数据和工业大数据四类大数据业务展开重点布局。曙光不仅拥有业界领先的HPC、大数据、云计算融合技术,同时研发出国内领先的大数据产品,为各行业的快速发展、创新应用提供有力支撑,并以城市为单位快速部署云计算和大数据“神经节点”,目前已在40多个城市建设了城市云数据中心和大数据平台。
今年4月,经国家发展改革委员会正式批复认定,“大数据分析技术国家工程实验室”将由中科院计算所、中国科学院大学和曙光等单位联合共建。该国家工程实验室的落地,正式将大数据分析技术的研发需求上升到国家高度。
近期,在中国国际大数据产业博览会上,由曙光积极倡导和推进、国家发展改革委牵头发起的“中国大数据创新联盟”正式成立。未来,曙光将与众联盟伙伴一同推动我国大数据的创新发展,以城市云计算中心和超算中心为节点,通过大数据、深度学习等技术手段,推动应用生态建设发展,进一步打造数字化的中国。
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。