2018年,对亚信科技而言有着特殊的意义。这一年,亚信科技通过不懈地努力,再次成功上市,经受住了公众、投资人与整个市场的考验,也得到了众多企业的认可。
2018年12月19日,亚信科技在港交所主板正式挂牌上市。 有人讲,真正敢在“寒流”中上市的都是好公司,因为寒冷的冬天能养出真正有竞争力的好物种。亚信科技相信上市是亚信未来不断发展的重要开始。
亚信科技董事长田溯宁表示“上市不是目的,而是实现亚信科技经营目标的一个重要的里程;亚信科技上市将成为公司产业互联网时代重新出发的新起点,将与5G一起成为中国企业数字化的使能者。”
随着5G落地,万物互联的时代全面到来,亚信科技将过去在电信行业20多年的沉淀和积累拓展到企业市场,为大型企业的数字化服务。“田溯宁还表示。
亚信科技成功在香港上市,离不开其在战略上的“数字化转型”和“三新四能”策略的支撑。
亚信科技立足“三新四能”,通过新客户、新业务、新模式, 将服务、产品、集成与运营四大能力形成合力,持续为客户提供用户体验驱动的数字化运营创新服务,成就电信运营商与企业客户的数字化转型。
1、新客户:亚信科技要加大新客户开拓力度,包括运营商专业公司、新的大企业客户、新的省级客户。
2、新业务:在新业务领域要实现突破、包括物联网、人工智能、SDN/NFV以及大型企业数字化转型过程中涌现的新机会。
3、新模式:在合作运营层要形成规模,包括协作运营类业务和合作运营类业务。
服务、产品、集成与运营四大能力,是亚信科技在过去20年中深耕电信行业,不断尝试与实践所积累形成的。
1、服务能力:快速满足新需要的响应能力;依托核心产品的定制化能力;加强服务流程规范化标准化;持续改进软件质量保障体系。
2、产品能力:深度融合产品与服务能力;沉淀通用型平台共享产品;提升产品和市场开发能力;把握市场机遇推出新产品。
3、集成能力:整合多产品的集成交付能力;提供端到端的系统解决方案;跟进新技术聚焦应用型创新;广泛合作打造价值生态系统。
4、运营能力:深刻理解快速适配运营新模式;实时捕捉客户需求与应用场景;实现敏捷开发与产品快速迭代,联合前中后快速支撑新运营。
目前,亚信科技在5G网络、大数据运营、人工智能、车联网/物联网等领域都有创新实践。
致力于解决“人与万物”交互问题的5G技术被炒的沸沸扬扬,大有占据2019年头版头条的势头。在这种趋势下,各大运营商也在紧锣密鼓地铺就各自的5G网络。然而,在面对业务快速上线、网络稳定运行等管理挑战时,运营商也面临着向云化部署和软件定义网络模式转型的问题。包括AISWare NFV,AISWare CEM,AISWare ReTiNA,AISWare SON在内的亚信科技AISWare 5G系列产品,提供了5G通信网络所需要的智能化网络运维管理及业务运营支撑能力,通过自动化运维能力降低了运营支出,帮助运营商快速云化。
在夯实电信行业业务的同时,亚信科技也已将服务、产品、集成和运营四大能力开放给其它行业企业,加快更多企业数字化转型的步伐。亚信科技基于运营商规模数据的智享大数据平台,可以与企业自有数据集成,助力企业发现更多价值,并应用于实际问题中;成功帮助电信企业实现微服务架构转型的亚信AIF平台,以“大平台、小架构、轻应用”为建设思路,提供了整套的分布式计算框架,可以让企业臃肿的IT系统变得更轻盈、更敏捷。
随着5G技术的落地,万物互联将成为可能,将进一步促进物联网、车联网的发展,打造智慧城市、智慧生活也势在必行。依托于多年电信行业运营系统建设经验,亚信科技构建了“智联车联网生态运营平台(IIP)”。IIP能够适配车联网行业特性,根据不同场景、不同诉求,可向车企、后装设备商、车联风政企客户提供不同程度的车联网运营能力,助其向车联网生态运营商转型。
送走生肖狗,迎来吉祥猪。2018年,亚信科技上市成功,预示着新的起点;2019亚信科技还将继续努力,持续创造新价值。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。