全球领先的信息与通信解决方案供应商华为宣布,8月7日,主题为”联合创新 引领未来”的2015 华为中国ISV(独立软件开发商)合作伙伴峰会在苏州金鸡湖凯宾斯基大酒店成功举办,对首批投入联合解决方案的ISV合作伙伴授予合作激励,希望越来越多的合作伙伴和华为联合创新,针对客户需求,打造更多高品质的行业解决方案,助力行业转型。
在这一产业变革的时代,每一个单一的垂直行业,客户往往都会提出具有明显行业特征的方案需求,这就需要厂商和ISV合作伙伴们深入合作,充分发挥各自在产业链上的角色职能,形成协同的优势,联手打造完整的、有竞争力的、“1+1>2”的行业解决方案,以此满足客户的需求,解决客户的问题,共同为客户创造价值,共同做大产业蛋糕。为此,华为提出了BDII行动纲领,即业务驱动的ICT基础架构。华为聚焦在ICT基础架构,合作伙伴如软件开发商、应用开发商等等,面向不同的垂直行业开发应用,最后形成面向行业的联合解决方案。作为联接ICT基础设施和客户应用的桥梁,ISV合作伙伴在产业链中的位置极为关键。
为了跟合作伙伴更紧密的业务发展,华为一直坚持并持续在ISV领域的大力投入。2015年6月发布了《联合解决方案开发计划》,投入1500万用于激励20名跟华为联合开发解决方案的合作伙伴,其中,第1-10名授予每家100万额度的激励费用,第11-20名授予每家50万额度的激励费用。这笔费用可用于ISV在联合解决方案方面的市场、研发人员投入及营销活动。
华为企业BG中国区渠道业务部部长沈素荣表示:“华为希望在政府、金融、教育、医疗、交通、能源、电力等领域与ISV一起为客户提供高品质的ICT解决方案。希望合作伙伴把各自的行业应用软件嵌入到华为公司的ICT基础设施上,联合开发面向客户/行业应用的数据中心、智慧城市、敏捷网络等解决方案。共同开发,共同推广,这样合作伙伴面向最终客户时也会形成差异化的竞争优势。”
华为企业BG中国区渠道业务部部长沈素荣发表“联合创新,引领未来”主题演讲
通过合作伙伴和华为不断努力,陆续有相关的解决方案孵化成功。本次峰会,首批获得百万激励的合作伙伴有北京宇信易诚科技有限公司、北明软件有限公司、东华软件有限公司、广州华南资讯科技有限公司、北京华宇信息技术有限公司、成都索贝数码科技股份有限公司、江苏金智教育信息股份有限公司、江苏金陵科技集团有限公司、深圳市星网信通科技有限公司等9家合作伙伴。
华为企业BG中国区总裁马悦为首批获得百万激励的合作伙伴颁奖
华宇信息联合华为于2015年5月发布了基于大数据的法院审判决策分析解决方案,该方案深度整合审判数据,提升审判决策效率40%以上,为公众提供全面查询服务;应用华为融合架构数据库平台加速功能,最大化提升司法决策系统数据整合和查询分析性能。华宇信息副总经理郭颖表示:“华为在很多领域都值得华宇去学习,包括企业文化、战略组织、管理体系以及产品的研发等方面。我们双方不仅是业务上的合作伙伴,还互相学习业务,更多的是华宇向华为学习。华宇希望跟华为形成战略性的合作,共同助力政法信息化,促进中国的法制建设。”
金智教育和华为于2015年7月联合发布了数字化校园云数据中心解决方案,该方案是华为IT基础设施融合金智校园管理信息化系统,打造安全、可靠的数字化校园,提升运维效率,降低TCO 40%。金智教育常务副总经理黄坚表示:“金智教育需要华为的开放性和被集成,希望金智教育的行业优势和华为的技术优势深度融合,为中国的教育信息化带来创新并引领变革,推动教育公平发展。”
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。