5月22日,2022第八届华为软件精英挑战赛-“普朗克计划”全球总决赛及颁奖典礼圆满落幕。历时两个多月的激烈角逐,3291支队伍参赛,经过八大赛区区域初赛、区域复赛等环节的层层考验,共有48支队伍、133名优秀学子成功晋级总决赛,汇聚华为深圳总部巅峰对决。
最终,来自粤港澳赛区的“我们啥也不会”队一举夺魁,赢得全球总冠军,独揽20万元奖金;武长赛区的“周五快乐”队、粤港澳赛区的“量化交易研究小组”队夺得亚军,均获10万元奖金;西北赛区的“佛曰不可说”队、杭厦赛区的“土豪法称霸杭厦”队、成渝赛区的“低调就不队”和“三只Monster立大功”队、上合赛区的“DataIsPower”队等5支队伍获得季军,均获得5万元奖金;粤港澳赛区的“路路的小跟班”队赢得“最优美代码”奖,获得1万元奖金。
华为云全球Marketing与销售服务总裁石冀琳、华为云CTO张宇昕、华为云人力资源总裁王海杰等出席了总决赛颁奖典礼并为获奖学生颁奖。
张宇昕在颁奖总结致辞中表示:通过本次大赛,我们感受到了所有同学对软件的热爱和技术的追求,也看到很多优秀队伍对代码的可读性、可靠性、安全、效率的追求,甚至有些参赛队伍与工作多年的优秀工程师能力相当。让我们看到了中国软件产业的希望,真正能实现软件技术和工程能力支撑企业和国家的未来发展。华为一直坚持技术创新,不断突破技术高峰,保障极致的客户体验,唯有心怀梦想、热爱软件、敢于攀登、负重前行的人与我们一起前进,我们才能将梦想放飞。我们希望找到一群志同道合的人。此外,今年6月我们还会举办华为开发者大赛,欢迎大家关注和参与。
作为业内首屈一指的软件编程竞赛平台,华为软件精英挑战赛是华为公司面向全国乃至全球在校大学生举办的大型软件编程竞赛,覆盖了国内外超过1000所高校,吸引了超10万大学生参与,其中超2000名软件精英通过大赛加入华为。在软件精英挑战赛的舞台上,同学们可以充分展示软件设计与编程的能力,享受coding解决问题的乐趣,感受软件改变世界的魅力。
本届大赛总奖金池高达66万元,主办方同步“加码”华为校招机试面试绿卡以及华为云700多门高质量免费课程等丰富的资源扶持,吸引了全球21813位来自826所高校学子参赛,高校遍布中国、美国、英国、法国、德国、澳大利亚、加拿大、新加坡、芬兰、马来西亚等10多个国家。
今年赛题结合华为云媒体服务面临的真实业务场景,以视频直播服务中流量调度问题为基础,在满足客户稳定、流畅的体验要求的同时,通过方案设计实现对流量的合理调度,最小化网络使用成本。意在让大学生们亲身感受云计算面临的相关问题和挑战,尽情释放软件设计与编程的创新能力,把理论知识结合企业实际业务场景进行思考,享受通过算法解决问题及创造实际价值的过程。
华为云赛题组专家表示,人类获得信息,83%是通过视觉获得的;人类处理视觉信息比文本信息快6万倍。正是因为这些特点,视频得到了规模应用,预计2025年视频数据流量占全球网络流量的90%。媒体网络是由端、边和云异构算力和带宽资源构成,不同资源的时延和成本不一致,对构建极致的媒体网络提出了很高的挑战。简单点讲,媒体网络解决的问题是在保证QoS下整体成本最低。在媒体网络中,带宽成本往往大于90%,因此对带宽的计费成本的优化,就显得格外重要。本届赛题基于此背景提出,以华为云视频直播服务流量调度问题为基础,进行一定的抽象、调整和简化。
面向未来,华为将依靠人才、科研和创新精神,加大投入研发创新,全力推动软件创新,持续吸引优秀人才,用技术推动世界进步。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。