为进一步推动大数据、人工智能应用与传统行业深度融合,助力浙江开放型经济试验区建设,加快智能化创新技术在杭州萧山的落地进程,12月27日上午,微软“云暨移动技术孵化计划”—萧山智能制造孵化基地(海云国际孵化器)揭牌仪式在杭州国际博览中心举办。萧山区委副书记、区长王敏,中共萧山区区委常委、萧山经济技术开发区党工委书记、管委会主任叶建宏,微软创新联盟首席策略官戴子珽(Tony Tai),海云数据创始人兼董事长冯一村,中关村天使投资协会会长、爱上集团董事长、上古资本创始人李汉生等出席了此次揭牌仪式。
微软“云暨移动技术孵化计划”—萧山智能制造孵化基地(海云国际孵化器)由萧山区政府、微软中国共同合作,海云数据担任运营方,孵化器依托萧山区政府的政策支持、微软中国及海云数据的国际先进技术及海外资源优势,聚焦大数据与AI应用,帮助国内外入驻企业提供商业模式、技术、资源等方面的支持,为创业者保驾护航,并同时推进全球创业者的交流与合作。
揭牌仪式开幕
中共萧山区区委常委、萧山经济技术开发区党工委书记、管委会主任叶建宏在致辞中谈到,当前萧山区在国家“推动互联网、大数据、人工智能和实体经济深度融合”等重要战略背景下,充分发挥自身优势,提前布局人工智能等未来产业,正努力打造成为浙江乃至全国智能产业的引领区。此孵化器的落地,将为萧山智能制造的进一步发展搭建全新平台,未来,希望孵化器能够充分利用萧山良好的创新创业环境,不断孵化出具有行业影响力的优秀科技企业,成为助力萧山科技创新的重要力量。
中共萧山区区委常委、萧山经济技术开发区党工委书记、管委会主任叶建宏致辞
微软创新联盟首席策略官戴子珽阐述了微软对杭州萧山未来前景的看好,他表示,此孵化器是微软在浙江省区域范围内第一家微软“云暨移动技术孵化计划“项目,以此孵化器为支撑,微软将助力将领先的技术应用到萧山区人工智能等应用示范项目中,在提升当地人工智能科技创新能力,发展物联网、智能智造等基于移动互联网的信息产业等方面做出实质贡献。同时,他期待更多企业能在孵化器共享到基于微软技术的服务,成为创新性的科技独角兽公司。
微软创新联盟首席策略官戴子珽致辞
在致辞中,海云数据创始人兼董事长冯一村表示,海云数据将借助其在大数据及 AI 应用领域的产品技术平台、产业资本优势和运维服务能力,积极对接微软全球技术资源向孵化平台内企业深度赋能,共同构建杭州萧山大数据、人工智能产业生态。未来,海云数据还将进一步助力“智慧萧山”、“平安城市”等系列项目的落地,积极推动杭州城市建设及国家经济发展。
海云数据创始人兼董事长冯一村致辞
随后,萧山区委副书记、区长王敏,微软创新联盟首席策略官戴子珽(Tony Tai)以及海云数据创始人兼董事长冯一村共同上台为微软“云暨移动技术孵化计划”—萧山智能制造孵化基地(海云国际孵化器)进行揭牌。这是萧山区集聚创新资源、抢抓人工智能科技和产业革命机遇的重要平台,将为打造萧山创新创业和科技新区注入强大动能。
三方领导共同上台揭牌
当下,新一轮科技创新浪潮席卷整个中国大地,地处杭州“拥江发展”黄金走廊的萧山,正迎来产业变革的历史性机遇。未来已来,构筑资源共享、能力协同和开放合作的新体系迫在眉睫。在此背景下,微软“云暨移动技术孵化计划”—萧山智能制造孵化基地(海云国际孵化器)落户杭州湾信息港二期,将引领萧山从“制造”走向“智造”,加速迈进数字化发展的快车道。孵化器落地之后,将深入贯彻萧山区政府“建设具有全球影响力的科创中心”战略蓝图,为入驻的企业提供多维度的资源助力与政策扶持,创造更肥沃的创新、创业环境,并以更大的力度支持云计算、大数据、物联网、人工智能等技术的产业落地。
孵化器现场参观
通过考察和梳理,目前孵化器已有近9家企业搬迁入驻,启动办公。未来,孵化器将充分发挥萧山强大的制造业基础优势和创新创业的环境优势,将微软在云计算、智能制造和物联网等领域的技术资源和研发成果以及海云数据在人工智能与可视分析技术等科技领域的尖端优势,与基地内的孵化项目紧密结合起来,以高效、完善、优质的孵化服务,助力项目快速发展。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。