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
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。