水是生命之源,生产之要,生态之基。中华五千年文明也是一部治水史,从大禹治水“化堵为疏”、李冰父子修都江堰、明清时期束水冲沙法、三峡水库的建设......在漫长的历史长河中,治水方略伴随着社会的变革、经济的发展、科技的进步以及人与自然关系的调整而不断扬弃与升华。
如今,云计算、大数据、人工智能等新兴技术正在融入到现代水务管理工作中来。浪潮参与建设的“海南省智慧水网”是提升国家水网体系下第一个省级水网,用“端-边-云-数-智”等最新技术支撑智慧水网信息平台建设,实现了从工程治水到数字管水,为全国范围内正在大力推进的智慧水利提供参考,也是《数字中国建设整体布局规划》下“建设绿色智慧的数字生态文明”的积极践行者。
松涛水库
海南率先织就智慧水网 以全岛一张图数字管水
海南岛地处热带北缘,降水丰沛,河流众多,“中间高,四周低”的岛屿地势使得河流十分短促,天然蓄水能力弱。一直以来,海南岛面临“守着水 却也缺水”的困境:淡水资源难以保留、降雨量时空分布不均、雨季易涝旱季易枯等问题,也是代代海南水务人致力于解决的难题。
随着海南自贸港建立,海南水利进入高速、高质量发展阶段。海南省水务厅通过构建“实时感知水信息、智能管控水资源、立体防治水灾害、全面保护水生态、全民共享水服务”的全省一体化水网数字化平台,全面推动海南省水治理体系与治水能力现代化。
海南智慧水网一张图
海南省智慧水网打通业务流、数据流和水流,利用数字孪生、数据模型、移动APP在“监、管、用”上取得了显著的可量化实际效果,为防范极端天气和预警灾害提供了数字化支撑。以流域防洪为例,全省未来1小时降雨情况掌握情况可达到80%,并可精确到1平方公里范围内,通过联动风险点、内涝点对风险进行全面掌控;通过加载网格化降雨预报、台风路径、风险点等多元数据,可以有效掌控台风过境对受灾情况等等。
在水资源调度方面,实现水资源配置的数字化,通过将物理河流数字化,建设海南省水务大数据平台,全面汇聚河库、水库、城市用水、防洪调度等方面的数据,根据一公里网格范围内降水情况进行分析,通过数据建模和算法平台,能够预测江河水库水量的演进过程,江河水库水资源的配置能力,在系统上给出智能化的调度选择,通过调节生产、生活、农业、生态用水,让社会经济发展更有活力。
截止2022年底,海南全省3000多名水务基层人员采用“海南智慧水网”APP进行工作,采用水库管家巡查超21.82万次,巡查里程超10万公里,累计上报巡查异常1684,提供防汛防旱查询服务9000余万次。
浪潮“端边云数智”助攻智慧水利
水利一直是强感知的行业,传统水利建设中存在着透彻感知能力不足、感知覆盖范围和要素不全、信息基础设施"算力"欠缺等短板。浪潮在海南智慧水网的“编织”过程中,提供了重要的技术支撑。
通过搭建水务大数据平台,构建“全岛一张图”的基础底座,满足全省水务治理智慧化需求。基于“一数一源”原则,在清理、整编现有水务数据的基础上,搭建内容全面、标准统一的水务信息资源目录,建成一个标准、完整、权威、共享的水网大数据中心,实现统一决策一张图,以海南省地图为底板,集成了海南省测绘与影像、矢量、地形、三维及水利部等其他资源数据,最终形成服务于全省的海南一张图。
部署了EIS200边缘智能服务器的大禹针
在全省水库、河道等关键位置布置视频监控、“大禹针”等感知设备,替代了传统的物联网设备,用人工智能技术担当起“水库管家”的角色。通过大禹针,实现全天候实时影像数据采集,边缘端在大禹针上布设边缘智能服务器EIS200并部署高精度AI识别模型,能够对实时回传的视频流进行精准辨别,实时预警。如,可以实现重要河道、水库、水尺的自动读数,河面漂浮物识别,禁止活动区域等场景的智能识别与预报预警,并通过“海南智慧水网APP”分发到执法人员手中。同时,边缘测清洗后的数据会同步到云中心,进行AI识别模型训练、优化、数据汇集、数据挖掘等。
治水、管水事关亿万民生福祉,擘画“智慧治水”蓝图,可以让水务治理看得见、看得准、看得全、看得远,让水务管护更有保障,让科技更高效地服务于人类社会。浪潮以计算之力,助力海南水务厅构建智慧水网,实现信息更精准、决策更科学、服务更便捷,守护一方百姓安居乐业,人水和谐成就其乐融融的海南岛。这是海南携手浪潮交出的智慧管水答卷,也是践行生态文明思想,科技向善构建人与自然生命共同体的最好答卷。
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。