近日,紫光股份旗下新华三集团在广东珠海成功举办2023分销合作伙伴大会,面向分销伙伴分享新华三集团在CT与IT分销业务的战略布局与各项举措,表彰2022年与新华三携手共进的优秀合作伙伴,为打造互利共赢的市场新格局谋篇定调。
聚势合力 掘金下沉市场新蓝海
过去的一年,百行百业面临前所未有的困难与挑战,新华三集团与合作伙伴携手并进,砥砺前行。2023年,数字经济转型方向逐渐明晰,成为驱动产业高质量发展的关键力量。新华三集团高级副总裁、行业BG总裁张力在开场致辞中表示,多年以来,新华三在助力百行百业数字化转型的过程中积累了丰厚的经验。未来,行业BG将与商业BG紧密协作,进一步支撑商业BG向地市区县延伸,保障分销业务蓬勃发展。
新华三集团高级副总裁、行业BG总裁张力
新华三集团副总裁、计算存储产品线总裁徐润安表达了新华三愿与伙伴携手同行的信心与决心,并鼓励合作伙伴不断加强业务扩展,抓住算力与智能蓬勃发展的新机遇。新华三将会提供更具竞争力的产品方案和政策,全方位支持分销合作伙伴业务的长足发展。
新华三集团副总裁、计算存储产品线总裁徐润安
新华三集团副总裁、商业BG总裁王鑫指出,2023年,新华三商业BG将在“大平台,小前端,携伙伴,耕网格”的战略理念下,切实落实“厂商一体”、“平台赋能”、“产品突破”三大创新策略。针对分销市场,新华三将精炼产品,精简政策,重构分销渠道模式,确保业务健康增长,让合作伙伴获利。
新华三集团副总裁、商业BG总裁王鑫
新华三集团副总裁、网络产品线总裁曾富贵向分销合作伙伴长期以来的支持与帮助表示感谢,并对未来发展充满期待。他表示,新华三将为商业市场的海量客户提供更高性价比的产品与优质的服务,采用灵活的商业举措与合作伙伴将网络产品下沉地市区县,走进千家万户。
新华三集团副总裁、网络产品线总裁曾富贵
聚利分销 同心共赢
新华三集团CT分销业务始终在国内市场中保持着领先的地位与优势。新华三集团商业BG CT分销部总监赵玉琦指出,新的一年,新华三将进一步优化市场策略,围绕“稳大盘、做利润、做增量”的战略目标,优化供货节奏,调整市场供需关系,提升产品方案的核心竞争力,鼓励本地下沉市场拓展,严控分销市场秩序,更好地帮助伙伴盈利、提效、赋能、增值。
新华三集团商业BG CT分销部总监赵玉琦
新华三集团IT分销业务在保持业务稳定增长态势的同时,为更好发掘下沉市场的巨大潜能,通过新的拉通型业务组织,提高业务效率,打开出口。新华三集团商业BG IT分销部副总监熊明表示,新华三将以更优势的产品搭配,更灵活的IT解决方案,更健康的资金链和更强壮的供应链,构筑IT分销业务增长的坚实底座。
新华三集团商业BG IT分销部副总监熊明
小贝先行 全速下沉
面对中小企业对于网络架构与运维模式提出的新需求,新华三集团小贝锚定中小网络市场,以灵活易用的数字化解决方案助推全国地市区县实现数字化升级。新华三集团商业BG小贝分销部副总监刘仕杰表示,新华三小贝的使命就是携手合作伙伴让数字化下沉地市区县,与敢想敢干的先行者共赢商业市场。
新华三集团商业BG小贝分销部副总监刘仕杰
稳舵扬帆蓄势起,乘风破浪正当时。立足商业市场的广阔机遇,新华三集团将秉承厂商一体的核心理念,以产品突破为发展源动力,完善平台赋能机制,搭建生态人才培育基地,聚合共赢的多元生态体系,携手合作伙伴和衷共济,共同开启分销市场的美好篇章。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。