2019年3月13日晚,神州数码控股有限公司(以下简称:神州控股)发布公告,公司与长春新区签署“数字新区”一期服务项目协议。根据协议,神州控股将协同生态伙伴负责长春新区“数字新区”项目一期建设,合同金额约1.74亿元。
据悉,神州控股将把旗下企业北京因特睿软件有限公司(以下简称:因特睿)与北京大学共同研发,新近荣获“2018年度国家技术发明奖一等奖”的领先技术成果应用到项目建设中,包括大数据平台、城市运行管理平台,智慧城管、智慧建管、智慧环保、智慧社区应用平台,长春新区智慧城市管理指挥大厅等。
业界认为,该项目的签署不仅标志着神州控股在“数字吉林”乃至“数字中国”建设过程中迈出了坚实的一步,更重要的是,这是燕云DaaS这一颠覆性技术,在智慧城市领域产业化应用的一次重要实践,具有里程碑意义。
作为中国智慧城市理念的率先提出者、标准制定的推动者、实践探索的先行者,神州控股自2010年发布智慧城市战略以来,先后参与了116个城市的智慧城市建设,服务人口超过一亿,从智慧城市1.0、2.0到3.0,不断推动我国智慧城市新发展,在理念、技术和实践方面处于领先地位。
神州控股首席运营官郭郑俐表示,当前,基于城市自身特点,将大数据、IoT等新技术的应用与智慧城市产业发展战略相结合,是我们构建未来城市的一个新的突破口。燕云DaaS将为城市大数据运营服务提供关键支撑,具有广泛的应用场景,将在神州控股的智慧城市建设中发挥举足轻重的作用。此次将该技术应用于长春新区的“数字新区”建设,势必将打造出我国智慧城市建设新标杆。
资料显示,神州控股旗下因特睿与北京大学研发的“云-端融合系统的资源反射机制及高效互操作技术”及“燕云DaaS”系列产品,可在数据库封闭、源代码缺失、无原厂支持等情况下,智能生成给定系统的读写接口(API),构建数据和功能“管道”,实现数据的实时流动和功能的无缝集成,解决了制约互联网+政务发展的信息孤岛瓶颈问题,实现了系统的互联互通和数据的交互共享,平均可为用户节省90%以上的项目沟通协调时间,缩短50%的项目实施周期。该技术在国家政务信息系统整合共享、国家互联网+政务服务试点等重大工程和任务中,广泛应用于科技部、工信部、农业农村部等10余个部委和北京、上海、贵州、浙江等20多个省市自治区,累计打破数千个政务信息孤岛,成为支撑万亿级大数据产业生态发展的一项共性关键技术。
谈及此次备受关注的颠覆性技术——燕云DaaS的诞生,郭郑俐表示,只有提高关键核心技术创新能力,我国数字经济发展才能不受制于人。作为一家自成立起便以“数字中国”为使命的科技公司(神州数码英文名称为Digital China,译为:数字中国),神州数码不断以自主创新核心技术赋能行业数字化转型,践行数字中国。长期以来,除依托自身技术团队的研发创新之外,神州控股通过与北京大学等国内外知名高校、科研院所合作,成立“协同创新中心”,围绕产业需求,开展大数据、云计算、人工智能等新一代技术攻关、项目孵化。燕云DaaS便是众多成果之一,未来还将有更多技术成果应用到实践中。
展望未来,神州控股将协同生态伙伴努力向智慧城市3.0迈进,以燕云互操作技术及平台打破信息孤岛,以IoT技术实现城市的智能感知,实现物联汇聚、数据融合共享,构建基于大数据赋能的智慧应用场景,涵盖智慧环保、智慧水务、智慧交通、智慧产业园等,提供从规划设计、建设实施、产业引入到城市大数据运营的全周期解决方案,致力于成为中国领先的智慧城市大数据综合运营服务商,为数字经济发展和民生服务改善赋能。
好文章,需要你的鼓励
OpenAI发布ChatGPT Atlas AI浏览器,支持网页问答、历史查询和邮件改写等功能。同时曝光秘密项目Mercury,雇佣约100名前投行精英以每小时150美元训练AI金融模型。公司还因用户滥用Sora生成马丁·路德·金视频而暂停相关功能。此外,医疗AI搜索引擎OpenEvidence获2亿美元融资,估值60亿美元。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
随着Chrome和Safari主导浏览器市场,众多替代浏览器正在挑战这些行业巨头。本文梳理了当前顶级替代浏览器,包括AI驱动的浏览器如Perplexity的Comet、Arc公司的Dia、Opera的Neon和OpenAI的Atlas;注重隐私的浏览器如Brave、DuckDuckGo、Ladybird和Vivaldi;以及专注特定领域的浏览器如Opera Air和SigmaOS。这些浏览器通过AI集成、隐私保护、定制化和专注用户福祉等特色功能,为用户提供了多样化的浏览体验选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。