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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。