新基建(即新型基础设施建设)正在成为经济发展的新动能。5月20日,华为公司副总裁、华为云与计算中国区总裁史耀宏表示,新经济呼唤新基建,新基建是经济高质量发展的加速器。新基建的根本在“基”,而“基”的核心是联接与计算。华为将利用自身的技术优势,秉持开放合作的精神,推动新基建的建设,让新基建赋能千行百业的智能升级。
“新冠肺炎疫情对每一个个体,每一个企业,每一个政府,甚至全人类都是一次大考。”史耀宏今天在“数字经济新‘基’遇-华为云与计算城市峰会特别节目”中发表演讲,他表示,数字化程度越高的企业抗疫的能力和复产复工的效率越强。“推动高质量发展,离不开创新的ICT技术(即信息通信技术)。”史耀宏认为,新的信息通信技术将会深远地改变社会的发展进程。从这个角度看,大力发展新基建正当其时。
“新基建的关键是能够创造新动能,将会拉动内需和引领产业升级,扩大就业和消费需求,转变发展模式——从依靠增加投入到依靠提高效率。”丝路产业与金融国际联盟理事长、国家发展改革委国际合作中心原主任曹文炼在今天的连线中表示。
“5G作为超宽带、低时延、大连接的移动通信系统,搭载万物数据上云,赋能应用创新发展。”中国工程院院士、中国互联网协会咨询委员会主任邬贺铨在今天的演讲中表示,5G作为新基建的重要组成部分,将带动数据中心和云计算等基础设施的建设,推进智慧社会的发展,增强数字产业化,支撑产业数字化,成为数字经济的新引擎。
对此,史耀宏表示认同。他表示,新基建将带来城市新治理、产业新发展、个体新体验。对政府来说,城市和社会的治理将会更高效,更具韧性;对企业来说,数字化转型将会提升生产效率,带来产业升级和高质量发展;对于个人来说,数字化智能化带来的便利将影响生活的方方面面。
过去的基建是路网和电网的覆盖,从华为的角度来看,新基建时代的“路”就是以5G为核心的新联接,“电”就是新的云与计算。“ICT领域的投资回报率是传统领域的6.7倍。”史耀宏强调,面向未来,一定是5G联接的流量和云与计算的算力反映整个新基建的发展。
“什么是新的云与计算?”史耀宏表示,新的云与计算以新的处理器作为最核心的基础。“面向通用计算的鲲鹏处理器和面向人工智能计算的昇腾处理器,是我们新基建“基础中的基础”。华为云与计算为新型基础设施打造最强大引擎,是新型基础设施建设中的“新动能”,华为云为政企上云提供最佳路径,支持政企数字化转型和智能升级。他同时强调,新基建的跨度范围非常大,没有任何一个企业能独立完成,只有开放生态,共建共享共创,才能真正推动未来各行各业数字化转型。
据今天参与连线的陕西西安高新区创新发展局局长兼统计局局长何惠明介绍,4月27日,在陕西长安鲲鹏产业创新大会上,陕西长安计算机科技有限公司成立,并发布了长安鲲鹏系列产品。华为与陕西省10家省市单位共同签署鲲鹏生态战略合作协议,携手31家企事业单位成立陕西鲲鹏计算产业创新联盟,这将推动陕西数字经济的发展。鲲鹏计算产业生态的布局仅仅是华为推动新基建发展的一个缩影。
中国有将近4000万家中小微企业,在不同的行业、不同的区域,其实各自的挑战都不完全相同。“华为除了提供ICT技术以外,也希望贴近不同区域、不同行业的中小微企业,看到他们遇到什么问题,遇到什么挑战,再反过来从技术、资金、人才、供应链营销、办公协同等相关方面去帮到他们。”史耀宏表示,对于企业来说,数字化转型是一次重构,最重要的是每个企业的企业家精神。本次华为提出的“云泽计划2020”核心就是全力支持中小微企业“上云用数赋智”。“我们希望给这些有企业家精神的企业贡献我们更多的价值,提升企业发展的活力,让新基建真正推进产业升级。”
史耀宏表示,面对全新的挑战与机遇,产业各方需要主动拥抱数字化转型,迎接智能升级,持续创新,才能实现高质量发展;华为将始终以客户为中心,与客户与伙伴携手并进,进而有为!
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。