2015年9月8日,2015年度“互联网+”创新创业邀请赛(以下简称“邀请赛”)启动仪式在京召开。本届邀请赛“互联网+智慧能源”主题由中国智慧能源产业技术创新战略联盟与中关村海兴战略性新兴产业促进会联合主办,中关村国标节能低碳技术研究院承办。相关政府部门、企事业单位、社会团体、行业协会等机构代表以及媒体代表,共260多人出席了启动仪式。来自国家工信部、科技部、中关村管委会、海淀区管委会、天津市东丽区、秦皇岛市经济技术开发区等政府部门的相关领导出席会议并致辞;来自中关村海兴战略性新兴产业促进会、中国智慧能源产业技术创新战略联盟、中科院北京国家技术转移中心、中关村物联网产业联盟以及其他邀请赛主题承办方分别作了主题演讲。
中国智慧能源产业技术创新战略联盟执行秘书长潘崇超在“互联网+智慧能源”主题演讲中强调智慧能源是解决未来能源系统面对挑战的解决之道。他指出在“互联网+”和能源革命的双重国家战略背景下,智慧能源受到了越来越多的关注与重视,今年7月经李克强总理签批,国务院印发的《关于积极推进“互联网+”行动的指导意见》中,首次将“互联网+智慧能源”专门列项,提出要加强智慧能源与能源互联网建设,推进能源生产和消费智能化,建设分布式能源网络,通过互联网促进能源系统扁平化,推进能源生产与消费革命。智慧能源作为节能环保产业与信息技术产业的跨界融合,产业发展前景非常广阔。潘崇超秘书长指出,发展智慧能源应从能源的供应和消费出发,实现智慧能源须建立能源生产监测、管理、调度信息公共服务网络,利用大数据技术管理、维护生产设备;同时建设多能源协调互补的能源互联网,构建智能化电力运行监测、管理技术平台;以及探索能源消费的新模式。
现阶段在国家相关政策支持引导下,我国智慧能源发展势头强劲,涌现出一批优秀的智慧能源产业创新团队和智慧能源先进技术和先进产品,但是作为一个新兴领域,这些新技术和新产品并未得到广泛认知和有效推广。本次邀请赛为这些创新团队和创新技术、产品提供了一个非常好的展示舞台。中国智慧能源产业技术创新战略联盟通过举办“互联网+智慧能源”创新创业邀请赛,在全社会范围内广泛征集智慧能源创新创业项目,传播“智慧能源”产业理念,为全国创新创业人员、企业搭建学习交流的平台,推动智慧能源产业创新发展。
据悉,本届“互联网+智慧能源”创新创业邀请赛的时间为2015年9月-2015年11月,其中参赛报名时间为8月18日-9月30日,评选范围包括能源信息化领域、节能和新能源领域、分布式能源领域、智慧能源大数据领域、智能微电网领域、智慧家居领域以及智慧能源其他相关领域。邀请赛将按照“公平、公正、公开”的原则,经过专家初评、路演、综合评审等环节,最终评选出10个智慧能源优秀创新项目和5个智慧能源优秀创业项目,所有入围项目将免费获得主办方提供的机遇Quark的网关,获奖项目除了获得主办方颁发的获奖证书和奖牌外,还将获得优先纳入产业对接项目库、优先推荐申报国家部委和北京市各级项目、优先获得智慧能源产业基金支持、免费入驻智慧能源产业园孵化器等奖励。大赛的入围结果将于今年10月16日在“2015年中国能源互联网大会暨智慧能源产业博览会”期间公布并展示;大赛结果将于12月在“2015年度中国“互联网+”创新创业邀请赛颁奖典礼暨高峰论坛”上发布,同期将举办“互联网+”创新创业邀请赛成果展,届时所有获奖项目和优秀成果将通过展览的形式获得进一步展示和推广。
好文章,需要你的鼓励
谷歌将Agent2Agent协议捐赠给Linux基金会,联合亚马逊AWS、思科、微软、Salesforce、SAP和ServiceNow等主要技术厂商,共同推进AI代理通信标准化。该协议作为通信层,允许AI代理发现彼此能力、安全交换信息并协调复杂任务。目前已有超过100家技术公司支持该协议,有望解决企业AI部署中的平台碎片化问题,实现跨平台代理互操作性。
ByteDance智能创作实验室发布的Phantom-Data是首个大规模跨情境主体一致性视频生成数据集,包含约100万个身份一致配对样本。该数据集通过创新的三阶段构建管道,从5300万视频和30亿图像中精选高质量跨场景配对,有效解决AI视频生成中的"复制粘贴"问题,显著提升文本遵循能力和视觉质量。
谷歌DeepMind发布AlphaGenome人工智能工具,可全面预测人类DNA序列突变或变异对基因调节的影响。该模型能处理长达100万个碱基对的DNA序列,预测数千种分子特性,包括基因起止位置、剪接位置和蛋白质产量等。AlphaGenome在多项基因组预测基准测试中达到最先进性能,可预测剪接错误引起的罕见遗传疾病。研究人员认为这是该领域的里程碑,有望成为疾病研究的强大工具。
普林斯顿大学研究团队开发了ReasonFlux-PRM,这是首个能深度理解AI复杂思维过程的评分系统。不同于传统只看最终答案的评估方法,新系统能评判AI思考轨迹的每个步骤质量,在数学和科学推理任务上实现了平均4.5%-12.1%的性能提升,为AI教育和训练提供了突破性的解决方案。