4月26日,第六届数字中国建设峰会在福州拉开帷幕,以“加快数字中国建设,推进中国式现代化”为主题,展示数字中国建设最新成果,分享发展经验。峰会期间,华为联合中国软件行业协会、福州新区管理委员会共同举办“数字技术应用创新生态大会”,以“根生创新 云启未来”为主题,齐聚政产学研媒,探讨政企数智化转型新趋势、分享新实践、总结新路径,助力政企深度用云,实现高效提质和应用创新。
助力央国企迈向深度用云,华为云央国企15大场景化解决方案正式发布
数字化浪潮正在席卷千行百业,数字中国发展进入数实融合深化期,数字技术与应用的创新,正在深刻影响着数智化的质量与效率。面对外部周期与趋势的变化,作为数字中国建设的排头兵、数字经济发展的中坚力量,央国企数智化高质量发展势在必行。会上,华为云Stack总裁尚海峰指出,全面建设“数字中国”的新时代背景下,央国企领衔全面推进数字化,促进数字经济和实体经济深度融合,实现高质量发展。
华为云Stack总裁尚海峰
然而,数字化转型非一日之功,央国企仍面临着技术路线选择、技术和场景创新步调的协调以及缺少经验、工具和流程等三个关键技术挑战。针对这三大挑战,尚海峰认为,未来央国企将迈向深度用云,所有的数字化转型都将基于云来开展,用云的深度将决定业务创新的速度。基于此,华为云提出央国企深度用云三大主张:全面采纳云原生技术、全面开展云上业务创新、全面借鉴新模式和好经验。
其中,针对央国企全面开展云上业务创新,华为云正式发布“央国企15大场景化解决方案”,包括企业一朵云、智慧枢纽、交投集团云、机场云、城轨云、智能矿山云、煤矿信息监管服务云、煤矿工业互联网、电网用采大数据、电网计量大数据、电网营销2.0、油气行业云、油气智能勘探、烟草行业云、汽车智慧工厂,覆盖交通、煤矿、电力、油气和制造5大行业,让场景化繁为简,全面助力央国企云上创新,提速数字化转型。
尚海峰表示:“70载风云变幻,央国企一直是国民经济的重要支柱,华为基于自身数字化转型经验和服务行业的丰富实践,携手央国企迈向深度用云,跃升数字生产力。”
共推数字中国高质量落地,华为云公布“应用现代化产业联盟”进展、发起“系列行动”
随着《数字中国建设整体布局规划》的出炉,数字中国蓝图绘就,正需汇聚产业各方力量,聚合数字经济现代化新动能,深耕应用现代化,共助数字中国高质量落地。
大会现场,“应用现代化产业联盟”进展公布,并进行了招募,诚邀产业各界伙伴加入联盟,共同打造蓬勃发展的应用现代化产业体系。中国软件行业协会常务副秘书长陈宝国出席现场,向与会嘉宾分享了应用现代化趋势,并表示,应用现代化已经为数以千计的企业带来价值,并将成就高质量增长的现代化企业。而在二十大报告对国资国企深化改革的要求下,应用现代化理念和实践将进一步释放政企数字化转型新动能,牵引高质量用云,推动政企高质量发展进程。同时,陈宝国还介绍了应用现代化产业联盟的最新进展,截至目前已有66家企业加入联盟,并邀请产业各界伙伴加入,共建产业圈层,共促应用现代化。
中国软件行业协会常务副秘书长陈宝国
新时代开启新征程,为助力数字中国高质量落地、推动应用现代化进程、促进政企数字化转型升级,城市建设者、产业推动者、企业实践者等政产学研媒多方呼唤一场加速“数字经济高质量发展”的共同行动。会上,华为云宣布“‘百城万企’应用现代化中国行”正式启动,该行动由华为云联合中国软件行业协会、中国工业互联网研究院、新华网以及生态伙伴多方共同发起,将围绕政企深耕数智化所需的政策解读、技术赋能、经验分享等主要内容开展系列活动,走进全国100+个城市,联动10000+家企业,共同加速数字化生产力的释放,为数字中国高质量落地贡献力量。
“‘百城万企’应用现代化中国行”行动启动
此外,作为数字中国建设的积极参与者,华为云服务政企数智化的全景能力和实践成果亮相数字中国建设成果展览会。其中,技术创新能力方面,华为云重点展出了云原生2.0、数据库GaussDB、天筹AI求解器等;应用创新方面,华为云展示了央国企15大场景化解决方案及央国企深度用云的标杆实践,包括中粮集团“农粮E云”、厦门建发集团数字化变革等。
目前,华为云已累计服务超过800个政务云项目,与150多个城市共建“一城一云”;基于华为云Stack建设数字化底座,已服务超40家央企、200多家国企,覆盖交通、电力、油气和制造等各个行业。未来,华为云还将继续技术和应用创新,携手产业伙伴与政企同行,激活政企数字化新动能,共赴高质量发展之路,为数字中国建设添砖加瓦!
好文章,需要你的鼓励
AI正在彻底改写创业规则:YC最新数据显示,10人团队12个月达成千万美元营收已成常态,"氛围编程"让技术不再是瓶颈,而创始人能否深度理解客户需求成为成败关键。当6人团队就能创造八位数收入时,我们看到的不仅是速度革命,更是对公司本质的重新定义。
这项由阿伯丁大学和格勒诺布尔阿尔卑斯大学研究者联合完成的研究揭示了大语言模型处理日期时的关键问题:现代分词器常将日期分割成无意义的碎片,如"20250312"被切分为"202"、"503"、"12",这严重影响时间推理能力。研究提出了日期碎片化率指标,创建了DATEAUGBENCH测试集,并通过内部机制分析发现,大型模型能在早期层快速"修复"碎片化日期,但其推理路径与人类理解方式显著不同,这解释了模型在处理非标准日期时的准确率下降。
MUG-Eval是KAIST和Trillion Labs联合开发的创新多语言评估框架,通过让语言模型在目标语言中进行自我对话来评估其生成能力。该方法独特之处在于不依赖语言特定工具或人工标注数据,而是通过任务完成率间接衡量语言能力。研究团队测试了8种顶级语言模型在30种语言上的表现,发现其结果与传统评估方法高度一致(相关系数>0.75)。MUG-Eval揭示了模型在低资源语言上表现显著落后,并发现英语并非评估低资源语言的最佳替代。该框架理论上支持2,102种语言,为真正包容的AI评估提供了新途径。
浙江大学研究团队开发的"自制动力训练"(Self-Braking Tuning,SBT)方法解决了大型语言模型在推理过程中的过度思考问题。该方法不依赖外部干预,而是培养模型自主识别冗余推理并适时终止的能力。研究者通过分析推理效率比率和过度思考标记比率,构建了两种数据策略:SBT-E(精确版)和SBT-D(动态版)。实验结果表明,经过训练的模型在多个数学基准测试上保持原有准确率的同时,将标记消耗减少了30%到60%,显著提高了推理效率。这项创新使AI系统能更像人类一样有效思考,为资源受限环境下的AI部署提供了新解决方案。