11月26日,2020绿色计算产业峰会在北京召开。大会由绿色计算产业联盟(GCC)主办,中国电子技术标准化研究院、中国电子工业标准化技术协会、中国计算机行业协会、中国开源云联盟、边缘计算产业联盟协办,以“凝心聚力,共赢绿色计算新时代”为主题,探讨绿色计算产业与应用变革。
软通智慧作为行业应用的代表企业,数字政府事业本部总经理钟瑞峰受邀出席,并在绿色计算产业行业应用论坛发表《软通智慧数字政府行业实践》的主题演讲,分享了软通智慧在数字政府领域的观点与实践。
钟瑞峰表示,当前数字政府向智能化演进,通过数字驱动实现数据大融合,让业务效率更高效、更智能。但数据资产价值不足、数据应用场景欠缺、新兴技术赋能传统场景发展缓慢等则是数字政府的核心痛点。
软通智慧坚持成为最懂客户的数据智能服务商,基于数字政府核心痛点,提出了业内独具数字基础、数字服务、数字治理等政府数字化转型全方位解决方案能力,致力于Big Data & AI为政府提供一体化、一站式技术和运营服务,赋能政府数字化转型。
软通智慧数字政府事业本部总经理 钟瑞峰
深耕数字政府,全方位产品+技术+服务能力
钟瑞峰介绍,软通智慧通过研发能力和技术创新,建立了差异化竞争优势 :业务架构层面,建立了“1平台(数据融合平台)+1中心(AI能力中心)+N场景”的清晰业务模型;能力层面,为客户提供了以“政务大数据中心”、“城市运营指挥中心(IOC)”、“互联网+监管”为代表的极具竞争力的产品与解决方案;服务层面,从顶层设计、平台建设到专业运营维护,以全面的城市场景覆盖、广泛的生态渠道以及强有力的团队,服务于客户全生命周期,助力客户形成良性的可持续发展模式。
数字基础 —为数字政府装上“数据心脏”
在软通智慧看来,数据治理体系核心在于有效解决对数据进行管理的实践性问题,既帮助政府合理评估、规范和治理政府信息资产,又可以挖掘和发挥数据价值并促进持续增值,并符合大数据的跨行业合作趋势。软通智慧政务大数据中心,从“解决数据问题”到“用数据解决问题”,为数字政府装上“数据心脏”。
在武汉,软通智慧参与武汉智慧城市重要支撑的“云端武汉·政务”的核心项目——武汉市政务云(数据)中心实施,通过整合委办局数据,使得数据互联互通,实现数据科学决策,使得百姓办事效率提升了50%。
在江苏镇江,软通智慧以各机关、产业、民生业务数据为基础,依托现代信息技术,建设一个集智能、功能、性能于一体的镇江市城市综合运行监管平台,打造出一个面向领导、服务人民、提升应急管理、打造和谐社会的镇江市城市综合运行监管平台。
数字治理—为城市治理打造 “智慧大脑”
如果说政务大数据中心是城市的数据心脏,软通智慧城市运营指挥中心(IOC)则从数字治理的角度,为城市治理装上“智慧大脑”,承担着城市数据智能中心、城市运行监测中心、城市协同联动中心、城市数据决策中心多角色责任,让城市管理更高效、更智能。
在石嘴山市,智慧城市指挥中心可实现12345电话诉求集中受理、城市体征综合数据展示、城市应急指挥、大数据分析、辅助决策等功能,形成12345便民服务中心、城市综合运行管理中心、应急突发事件调度中心、大数据分析决策中心四位一体的城市综合指挥中心。
在广西贺州,软通智慧城市综合管理平台以大数据为基础,对贺州市的城市资产、城市体征、社会舆情等进行实时监测,实现统一的城市运营决策指挥,为城市管理者提供一个全面、动态的城市运行仪表盘,管理者可以清晰直观了解城市运行情况。
数字服务—为政务服务插上 “互联网翅膀”
数字服务方面,软通智慧从“服务、普惠、智慧”层面,推动企业和群众办事线上“一网通办”,线下“只进一扇门”,现场办理“最多跑一次”。同时,以政府官方APP为载体,线上线下结合的模式供给县域便民服务、公共服务,实现服务的均衡化。
在互联网+监管领域,软通智慧已打造了国、省、市三级“互联网+监管”的优秀项目案例,通过监管系统互联互通和监管数据共享共用,促进政府监管规范化精准化智能化。
使能数据价值,丰富行业应用。目前,软通智慧在全国超过60余个省、市、县、区,成功建设政务大数据服务平台,推动不同部门异构系统间海量数据资源的共享和业务协同,有效避免各地信息孤岛、多头投资、重复建设、资源浪费等问题,以数据治理提高城市管理和服务水平。未来,软通智慧将继续发力数字政府业务,通过数字驱动,助力国家治理体系和治理能力现代化。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。