近日,紫光集团联席总裁兼新华三首席执行官于英涛做客人民网“人民会客厅”视频访谈栏目,解读“新基建”驱动下新型智慧城市的新价值,探讨中国科技企业在合作中创新求变的新方法,展示了紫光股份旗下新华三集团在数字经济百年变革关口的新使命,为下一个五年中,推动中国实现社会经济高质量发展建言献策。
谈城市:用流动的数据,创造更加美好的城市
新型智慧城市建设是检验城市管理水平的一个重要标志。
新型智慧城市是过去智慧城市的升级版,能够以技术的进步带来更多方便、快捷、高效、自动化的应用,可以打通整个城市所有数据的采集、清洗、分类、标签化等流程,是新基建的重要组成部分,也是检验城市管理水平的一个重要标志。
衡量一个城市是否足够智慧化,要从政府和群众两个方面去看。
从政府角度看,城市治理是否高效、便捷,数据是否精准,是否能以数据呈现和推动城市治理和产业发展;从居民角度看,是否能通过统一的接口,让老百姓能一站式地享受出行、就医、求学等服务,这是评判新型智慧城市建设最真实、贴切的方式。
新华三城市数字大脑:加速数据流动,让城市更有“生命力”。
随着技术进步和新型智慧城市建设的推进,每个城市基本上都在建设属于自己的“城市数字大脑”。在这一过程中,新华三城市操作系统3.0能够全面承载市、区县等各级政府的功能,打通城市中所有被看见、被发现、被记录的数据,用流动的数据让城市“活起来”。
谈创新:站在巨人肩膀上,推动科技加速发展
科学家有国界,但技术没有国界。
科技创新并不全部是从原点开始,更多地是要加强国际合作,站在巨人的肩膀上前进。新华三集团希望采取国际合作的方式,融入全世界的统一标准,利用五到十年的时间,打造一个不一样的新华三,能够利用先进的技术,做对全球有意义的事情。
推动科技创新,是新华三集团等高科技企业的重要责任。
只有数字产业化才能够促进产业数字化。目前,中国在一部分基础科学技术领域,如芯片、操作系统、中间件以及基础的算法等方面,与西方发达国家相比还有一定差距,为此,新华三集团等中国高科技企业应当竭尽全力,利用先进技术做出最好的产品,提供最好的解决方案,推动数字产业化进程,进而促进产业数字化的发展。
谈使命:强化自身能力,赋能产业加速变革
在产业数字化的推进中,新华三要肩负起赋能者的使命。
作为一家数字化企业,新华三集团希望扮演好赋能者的角色,利用自身的技术、解决方案、行业理解以及人才储备,帮助百行百业加速数字化转型升级,以技术创新融合行业场景,向客户提供更好的服务,实现产业的数字化和智能化,最终实现提升效率、降低成本、改善服务的目标。
补齐短板和加速转型,是新华三引领科技发展的两个着力点。
新华三集团推动科技发展的着力点主要体现在两个方面。第一是补齐短板,新华三成立了半导体公司,在通信芯片和中间件上打造核心技术;同时也在加强对数据库、人工智能、算法等新兴技术的研发力度。第二是推动自身业务的转型升级,除了持续为客户提供更优秀的产品和解决方案之外,适应全面云化的趋势,通过云服务模式,向服务型公司转型,实现自身业务的转型升级。
谈未来:智能创新,将创造无限的想象空间
5G、人工智能、万物互联等技术将会催生更多先进技术、生活场景、服务场景的变化。目前,新华三集团提出了“AI in ALL”智能战略,一方面是让自身的产品和解决方案更加智能;另一方面也助力客户的业务和运营更具智能。在未来的五到十年,智能创新将为我们创造无限的想象空间。
在即将启航的“十四五”时期,中国科技企业在加速数字经济发展,推进产业转型升级,以及从需求端和供给端保障供应链安全等方面使命重大。作为数字化解决方案领导者,新华三集团将在“AI in ALL”智能战略的指引下,通过“数字大脑计划2020”,以全面创新的数字化技术,护航中国数字经济发展开启新的篇章。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。