12月15日,“校长”吴华鹏履新秦淮数据集团中国区总裁首秀成为行业瞩目焦点,他在北京正式宣布启动秦淮数据集团数字经济产业生态圈。与此同时,金山云、UCloud、Zenlayer、北明软件、贝斯平和巨蕴网络等行业领先企业还分别与秦淮数据集团签订了战略合作协议,成为秦淮数据集团数字经济产业生态圈的首批战略合作伙伴。
在任职秦淮数据集团中国区总裁之前,吴华鹏一手创办iTechClub俱乐部,已成为互联网技术精英共同“华山论剑”的精英俱乐部。他还一手打造了1024学院,培养了不计其数的互联网技术精英;1024学院被誉为“互联网技术黄埔军校”,“校长”之名响彻互联网圈。
入职秦淮数据集团,吴华鹏这样形容自己:“一个有情怀的人,一个致力于打造生生不息互联网技术生态圈的人, 希望用踏实的、落地的方式,打造一个欣欣向荣、可持续发展、共生共赢的产业生态。”
他在互联网技术生态建设方面的多年努力,也受到了全球业界的肯定。他在2019年9月,当选AETDEW(发展中国家工程科技院)院士。这是由联合国“南-南合作组织(亦称77国集团+中国)”和“世界工程组织联合会”多位学界领袖发起,联合国教科文组织(UNESCO)批准设立的社会组织,其目标在于促进在学术界、研究界、政府部门以及工程技术和工业界的工程师、科学家和专家的团结协作,促进发展中国家发展,消除贫困。
吴华鹏履新秦淮数据,出任中国区总裁,也令外界对于秦淮数据集团构建数字经济产业生态圈,以超大规模为模式的发展路径充满期待。
12月15日,吴华鹏以秦淮数据集团中国区总裁的新身份,向全球发布了以“共生共赢”为核心的秦淮数据集团数字经济产业生态战略。
吴华鹏认为,秦淮数据集团可以为数字经济产业生态的各个环节提供超高性价比的服务,可以为产业生态的各个企业提供快速、超大规模并且具有成本优势的基础设施支持和运营。
在秦淮数据集团数字经济产业生态战略中,吴华鹏认为,秦淮数据集团作为超大规模数字地产运营商,能够起到数字经济产业生态支撑和底座等作用。基于秦淮数据集团在超大规模数字地产的运营经验和超高性价比的服务,可以带动云厂商、云服务商和高端设备制造商与头部互联网企业、政府部门、金融机构等超大规模目标客户形成良好的协同效应,最终实现数字经济产业生态的融合,推动技术创新和商业模式创新,继而推动产业向前发展。
为此,吴华鹏向产业生态圈伙伴真诚“喊话”:“生态是一起成长,生态是互相成就。”他希望,数字经济产业的伙伴们,能够借助数字经济产业生态,借助秦淮数据集团在中国、印度、印尼等亚太新兴市场国家的发展优势,在不断地生态融合和协作下,将业务和品牌优势逐步从中国拓展到新兴市场国家甚至全球任一国度。
当天,秦淮数据集团还与金山云、UCloud、Zenlayer、北明软件、贝斯平和巨蕴网络等多家领先企业就信息技术产业基础设施、大数据及云计算基础设施业务以及全球业务拓展等方面达成战略合作。
签约各方表示,将借助秦淮数据集团超大规模的发展优势,帮助企业在大数据服务、人工智能、边缘计算、AIoT、云安全和IT解决方案等方面,提供赋能和创新支持。
吴华鹏表示,此次与多家合作伙伴形成战略合作,意味着秦淮数据集团数字经济产业生态圈建设逐渐从架构顺利进入“开花结果”阶段。强力伙伴一同携手也意味着秦淮数据集团一直以来着重构建的数字经济产业生态战略进入新时期。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。