华为宣布2015年华为中国合作伙伴大会成功在西安举办。其中3月13日上午举行的医疗行业分论坛,以“全联接医疗,服务大健康”为主题,吸引了来自全国80多家医疗行业主流渠道的180多位重要嘉宾出席,交流和研讨了共同关心的医疗信息化发展趋势、行业解决方案和应用实践等话题,华为的“聚焦”与“被集成”战略、对医疗行业的深入洞察以及华为区位平台、数字医院、远程医疗等解决方案都得到了渠道嘉宾的广泛认同。
华为企业BG中国区公共事业一部部长李学成致开场辞,他分享了两个观点,一个是大时代,一个是新生态。他介绍到,2015年是字11年企业BG成立的正好第四个年头,华为愿意输出更多更好的解决方案,提供更好的产品和服务。华为期待在2015年在医疗领域能与各位行业同仁、合作伙伴们深入合作,共同推动医疗信息化的发展,实现“全联接医疗,服务大健康”的目标。
中国卫生信息学会信息安全与新技术应用专业委员会主任委员宁义在“医疗信息化发展”的发言中首先对医疗信息化做了国家宏观政策方面的分析,随后对国内医疗行业信息化发展的趋势做了全面客观的介绍。宁义判断,近期我国卫生信息化计划不会有大的变化,但在远程医疗,居民健康卡,移动医疗,区域平台、信息安全和信息标准等部分建设内容上会有侧重。宁义表示,国卫生信息行业对华为机遇中盘,期望能与华为同发展共舍已,华为是中国的也是世界的,希望华为今后能再造辉煌。
医疗信息化专家宁义从政策和趋势层面深入剖析医疗信息化
华为企业BG中国区医疗行业专家申林飞以“携手华为,构筑医院持续提升医疗服务的基石”为题发表演讲,针对当前医疗信息化的发展,提出了华为的医疗行业的ICT解决方案建设理念,从区域卫生信息化、数字医院和远程医疗三方面入手,推进医疗信息化进步。林大勇表示:“帮助医院构建一个持续发展的基石,要从医院的核心业务着手,把握趋势,贴合需求,聚焦信息化,为客户构建完善的医疗基础信息平台。“
华为企业BG中国区医疗行业专家张大勇介绍了华为远程医疗云数据中心和远程医疗实训平台两个创新型解决方案,以及与合作伙伴联合提供的E2E远程医疗解决方案。张大勇表示:“2014年国家卫计委又出台了新的远程医疗标准,华为参与了基础设施,包括最终的网络还有视讯标准的制定。另外,目前远程医疗从他的视频技术网络技术还有相关的安全技术来说,都可以保证我们的远程以来会诊的质量。所以无论政策上还是技术上,远程医疗都进入了发展期。“
东华软件医疗卫生事业部部长刘海东在论坛中分享了东华软件22年来的成长,以及在医疗行业积累多年的心得经验,此外,他还详细的介绍了基于华为移动医疗无线敏捷网络解决方案和华为数据中心的相关应用,以及面向未来的东华&华为移动医疗解决方案和东华&华为智慧医院解决方案。他表示:在医疗行业,东华和华为双方的合作是一个共赢的合作,从网络到存储,华为公司可以提供一个更完善的ICT基础平台和解决方案。
心医国际副总裁刘鹏讲述了医联体环境下的远程医疗服务、专家预约、远程会诊,并深入介绍了整合华为终端设备进行远程手术示教的过程与经验,并介绍了心医国际在相关方面的发展历程和经验心得。刘鹏表示:解决方案是先行,一定是所有事情最开始的一步。这部分,需要软件厂商与华为公司深度合作,确保在方案的设计阶段,能够设计得更合理、更完善的话,真正为客户排忧解难。
华为拥有超过20年的ICT行业经验,希望借助合作伙伴的力量,充分发挥合作伙伴对行业的理解,共同推动中国医疗信息化的发展,实现医疗客户与医疗行业合作伙伴同华为携手并进、互利共赢的目标。
好文章,需要你的鼓励
OpenAI发布ChatGPT新功能Pulse,可在用户睡眠期间生成个性化报告,提供5-10条简报帮助用户快速了解当日重要信息。该功能旨在让用户像查看社交媒体一样优先使用ChatGPT。Pulse首先向每月200美元的Pro订阅用户开放,未来计划扩展至所有用户。功能支持连接Gmail、日历等应用,可解析邮件、生成日程安排。报告以卡片形式展示,包含AI生成的图像和文本,涵盖新闻摘要、个性化建议等内容。
这项由谷歌DeepMind研究团队完成的开创性研究首次系统阐述了AI智能体经济的概念框架。研究提出"沙盒经济"模型,从起源性质和边界渗透性两个维度分析AI智能体经济形态,预测未来将出现自然涌现且高度透水的AI经济网络。研究详细探讨了科学加速、机器人协调、个人助手等应用场景,提出基于拍卖机制的公平资源分配方案和使命经济概念,并深入分析了技术基础设施需求、社区货币应用以及相关风险防范措施。
AI平台公司Clarifai发布新推理引擎,声称能让AI模型运行速度提升一倍,成本降低40%。该系统采用多种优化技术,从CUDA内核到高级推测解码,能在相同硬件上获得更强推理性能。第三方测试显示其在吞吐量和延迟方面创下行业最佳记录。该产品专门针对推理过程优化,特别适用于需要多步骤响应的智能体和推理模型。
中国人民大学研究团队提出LoFT方法,通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量,并扩展出LoFT-OW版本处理开放世界场景。实验显示,仅使用传统方法1%的数据量就能取得更优性能,为AI公平性和实用性提供了新的解决方案。