回首波澜壮阔的2021,各行业数字化、智能化进程不断提速,紫光股份旗下新华三集团首次提出“云智原生”战略赋能转型变革;
展望蓬勃朝气的2022,新华三集团将“云智原生”持续深化,又要如何借助“智能”这个镁光灯下的巨星持续推动企业、产业乃至整个社会的数字化进程?
要系统性解答这些问题,新华三集团最新一期《数字化领航》重磅发布,为虎年数智化转型发展谋新篇、布新局,让开年数字化建设工作“不再迷茫”。

本期《数字化领航》以“AI:重塑世界的因子”为主题,从行业领袖的观点、各行各业转型实践、前沿技术探讨多维度、系统性的展示了新华三集团“智能战略”理论到实践的全景图。正如中国工程院院士刘韵洁在卷首语中所言。“在万物互联、万物智能的时代,网络是连接数字经济与实体经济的纽带,网络基础设施的智能化则是改变世界的‘因子’。”

中国工程院院士 刘韵洁
对这一关键因子的探索掌握,是所有致力于数字化转型的企业所共同面临的考验和挑战。
把握风向:深度解读新华三智能战略
新华三集团提出的“智能战略”究竟是什么?《数字化领航》在一篇文章中还原了这一概念的提出场景,并详细梳理了其演进发展的过程全貌。剖析“数字大脑2021”,“产品”的概念在逐渐淡化,取而代之的是数字化能力、业务能力、安全能力以及运维服务能力,此时的新华三解决方案,真正做到了像大脑一样越用越聪明。智能战略的本质是服务和洞察,其自身定位是既要提供数字化能力,也要与客户共同探讨发展规划。行业数字化既有共性也有定制化的个性需求,服务行业客户数十载,新华三快速实现了企业战略主体从“新华三”自己到“用户”的角色转型,让自己更理解客户需求的同时,拥有了更深厚的赋能百行百业智能化变革的能力 。
云网赋能:各行各业主动上云求变革
作为IT技术的集大成者,云计算是诸如虚拟化、分布式存储、多租户等技术精心优化与组合的成果。如今,云网融合的梦想,正逐步照进现实。在为《江苏移动,运维在云上!》一文,详细阐述了新华三集团助力下江苏移动如何实现云上规模化、标准化、协同化、智慧化运维,加速推进运营商数字化运维转型进程。除此之外,本期《数字化领航》还讲述了其他行业实现云端变革的成功案例。在政务领域,新华三集团助力福建省财政厅打造PaaS云平台,推动数字化创新与现代化财政制度深度融合;在教育领域,新华三助力浙江大学玉泉校区构建高品质校园网络,实现校园网无感知认证;在医疗领域,新华三绿洲平台助力重庆市医疗保障信息平台建设,依托紫光云3.0实现医保服务的可共享、可复用以及可拓展。


科技驭智:AI发展驱动业务创新转型
当前,AI技术在互联网、金融、交通、制造等领域深入应用,在带动市场蓬勃发展的同时,也带来指数级增长的算力需求。基于此,《面向AI时代的算力源泉》一文带来了面向人工智能场景的服务器解决方案,它既能满足数字经济时代澎湃算力、海量存储和高速网络三大需求,也能满足语音识别、图像分类、机器学习等多种人工智能应用场景。

支持双CPU平台的H3C UniServer R5500 G5服务器
技术创新带来了具体应用的创新,而应用场景下的实际需求反过来又推助了新技术的诞生。技术与应用,从来都是相辅相成、不可分割的整体。这一期的《数字化领航》还具体介绍了多项新华三集团的创新技术发展与应用,例如根植于云端技术发展的“即服务”概念、以云智原生架构为基础的AD-NET网络方案、确定性网络技术的演进与当下布局等等。
洞悉前沿技术,方能驱动行业转型升级。《数字化领航》作为一本具有行业引领性和前瞻性的杂志,汇集最新技术发展动态和行业实践案例,在2022开年之际,为各行各业数智化转型提供前瞻性思考并贡献力量。作为数字化解决方案的领导者,新华三集团也将持续躬耕数字化建设,以数智之力书写数字中国新华章。

好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。