为了全面贯彻十八大及十八届二中、三中、四中全会精神,按照党中央、国务院决策部署,围绕使市场在资源配置中起决定性作用和更好发挥政府作用,推进简政放权和政府职能转变,以社会信用体系建设和政府信息公开、数据开放为抓手,充分运用大数据、云计算等现代信息技术,提高政府服务水平,加强事中事后监管,维护市场正常秩序,促进市场公平竞争,释放市场主体活力,进一步优化发展环境。
2013年1月29日,贵阳市乌当区获批成为首批国家智慧城市试点建设城市,乌当区政府开始筹划建设智慧城市大数据中心,并与贵州智源信息产业孵化基地有限公司(智源公司)合作,于2014年底开始建设,至今已稳定运行一年。
自2013年乌当区获得智慧城市建设试点至今,华为技术有限公司(华为公司)与智源公司通力合作,致力于乌当区智慧城市的建设,在“一平台,二中心,三体系”的智慧乌当总体建设框架下,构建了覆盖乌当区的统一大数据平台,主数据中心,同城灾备数据中心。成为贵州省首个智慧城市样板点
大数据的价值源源不断地推动智慧城市向更加智慧、更加科学、更加高效的目标迈进。例如在政府管理层面,有了数据库作为支撑,可以实现高效的互联互通,极大地提高政府各部门之间的协同办公能力,提高了为民办事的效率,降低了政府的管理成本,最重要的是为政府决策提供了有力的支撑。再如,在城市规划方面,通过对城市地理、气象等自然信息和经济、社会、文化、人口等人文社会信息的挖掘,可以为城市规划提供强大的决策支持,提升城市管理服务的科学性和前瞻性。
乌当智慧城市大数据中心的设计力求创新,勇于突破传统网络建设框架,采用业界首创的华为新一代S12700敏捷交换机搭建智慧城市整体网络架构。
华为S12700敏捷交换机承载华为自主研发ENP芯片,提供T比特级交换能力、大规格表项,同时具备可编程接口,可根据智慧城市政府和企业用户需要进行定制开发,实现完全自主可控。
针对大数据传输的特点,本次数据中心网络建设时引入了华为公司首创的敏捷特性:
iPCA流量实时监控:对整网流量进行实时监控,即时发现网络故障,如线路中断,流量丢包,准确定位到故障设备及端口;
SVF纵向虚拟化(包含有线和无线设备):从核心到汇聚、有线接入、无线接入层面进行纵向虚拟化,将大规模的数据中心网络简化到极致,配置维护统一下发,极大的提升了运维效率。
提高大数据运用能力,增强政府服务和监管的有效性。高效采集、有效整合、充分运用政府数据和社会数据,健全政府运用大数据的工作机制,将运用大数据作为提高政府治理能力的重要手段,不断提高政府服务和监管的针对性、有效性。
乌当区政府运用大数据创新政府服务理念和服务方式。充分运用大数据技术,积极掌握不同行业、不同类型企业的共性、个性化需求,在注册登记、市场准入、政府采购、政府购买服务、项目投资、政策动态、招标投标、检验检测、认证认可、融资担保、税收征缴、进出口、市场拓展、技术改造、上下游协作配套、产业联盟、兼并重组、培训咨询、成果转化、人力资源、法律服务、知识产权等方面主动提供更具针对性的服务,推动企业可持续发展。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。