4月20日,国家发改委召开新闻发布会,会上首次明确了“新基建”的范围,包括信息基础设施、融合基础设施和创新基础设施三个方面的内容。从融合基础设施来看,目前我国正在加大力度部署智慧城市建设路径。
4月23日,在由中国大数据产业生态联盟与中国开源软件推进联盟联合赛迪智库、赛迪顾问等机构共同推出的《数说新语·解码“新基建”》节目中,作为智慧城市建设的先行者,曙光云从科技演进的视角发布“智慧城市趋势预测”,展望未来我国在智慧城市建设方面的发展方向。
作为信息时代城市发展的主方向,智慧城市建设在中国历经十余年探索,正呈现出加速发展的趋势。然而,智慧城市建设是一个开放复杂巨系统,其发展程度与信息基础设施建设、民生服务与体验、精益城市治理等元素都息息相关。曙光云计算集团有限公司总裁助理袁伟表示,根据城市发展的切实需要,智慧城市的建设进程正进入“去粗取精阶段”。为厘清新阶段发展脉络,曙光云从智慧城市建设者的视角,对未来智慧城市的趋势给出了以下预测。
智慧城市发展前期离不开前沿技术的驱动,经过十余年的技术沉淀,城市信息基础设施体系趋于完善。后期,在改进大数据系统、城市积累数据、数据共享机制等方面都需要以需求为驱动,真正把前期的智慧城市建设成果及技术发展成果应用到实际工作中,刚性需求驱动将不断鞭策城市智能化水平提升。
据中国信通院2019年9月发布的《中国智慧城市发展现状与未来趋势》显示,我国智慧城市建设在初级阶段主要由政府主导,而在2019年逐渐呈现出政府主导、城市主体、企业助力、共同推进的态势。中科曙光认为,随着智慧城市建设的深入,政府、城市、企业、中小规模方案商等的深度融合将越来越普遍,各方将共同调动公众广泛参与,共同构建互相融合的产业链和立体化的生态圈。
源创新是从0到1的创新,但是对于智慧城市建设这种大型系统性工程而言,对模式、流程等的创新和优化尤为重要。中科曙光认为,以人才、顶层规划支持、创新投入等为核心的持续性创新将成为智慧城市发展持续动力,智慧城市建设者应注重联合上下游伙伴以“流创新”满足井喷的服务需求。
智慧城市发展对智能提出更高要求,模型复杂度逐步提升,这就要求更全面、更一体的技术体系,如算力融合、城市云中心或城市云脑等形态。未来,以城市管理需求为服务主体的一整套“云+大数据+AI”新一代信息系统,将是城市新兴基础设施统筹布局的主流形式。
中国信通院在2019年10月发布的《新型智慧城市发展研究报告》中指出:“特色引领正成为各地推动数字产业化的核心思路。”目前,智慧城市建设呈现出省市、县域多级并进的态势,一批“小而精”的数字产业突破点,同样能在全国数字产业版图中赢得一席之地。中科曙光认为,随着产业特色在智慧城市的建设中得到体现,因地制宜、策略部署的理念越来越重要;在智能时代,智能加持下的优势产业将取代“市花”“名人”等传统城市标签,成为城市新名片。
据IDC发布的《2019年全球智慧城市十大预测》,2019年,原有系统的安全隐患将阻碍30%的中国3~5线城市对新技术的应用,新老系统的连接也将带来较大安全风险。中科曙光认为,智慧城市建设在为公众带来便捷服务的同时,因参与的主体单位众多,安全的重要性不言而喻。城市管理者、主管部门及智慧城市建设运营参与者,都应对信息安全问题格外重视,信息安全是智慧城市建设中的“战略重点”。
作为智慧城市建设者、中国城市云品牌的塑造者和实践者,中科曙光在城市云建设和部署中,不断提高技术赋能的同时注重运营能力,并紧跟政策风向强调发展智慧生态。近年来,曙光城市云一直不断在模式、流程上寻求持续性创新,以便更好地服务多样化、个性化的行业和用户,推动产业智慧化,助力数字经济向前发展。
好文章,需要你的鼓励
VMware宣布将终止现有渠道合作伙伴计划,新计划采用邀请制,大幅减少授权合作伙伴数量。未受邀合作伙伴将于2025年7月15日收到不续约通知,可继续交易至10月31日。白标计划也将同时终止。此举是18个月内VMware第二次重大合作伙伴调整,旨在专注与少数核心云服务提供商深度合作。客户可能面临续约困难、服务质量下降和成本上升等影响。
StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术,能够处理11种编辑任务,在新构建的GEdit-Bench基准测试中表现优异,为图像编辑技术的民主化开辟了新道路。
谷歌DeepMind和伦敦大学学院研究发现,大语言模型在面对反驳时会迅速失去信心并改变答案,即使反驳是错误的。研究显示LLM既会对自己的答案过度自信,又对批评异常敏感,表现出与人类相似但又独特的认知偏差。这种行为对多轮对话AI系统构成威胁,最新信息可能对LLM推理产生不成比例的影响。
BluOrion公司开发的ZClip是一种智能梯度裁剪算法,解决了大型语言模型训练中的梯度爆炸和损失飙升问题。通过Z分数统计检测和动态调整策略,ZClip能够自适应地控制梯度幅度,相比传统固定阈值方法提升训练效率35%以上,同时显著降低训练失败风险,为大模型训练提供了更稳定、高效的解决方案。