4月8日~9日,新华三Navigate 2017领航者峰会在杭州国际博览中心召开。作为数字经济及新IT领域前所未有的一次的领航者聚会,近8000名各界精英和IT专业人士在两天时间里,围绕着“新IT,新经济”主题,就如何通过技术创新和行业转型实现数字化变革,推动经济发展等诸多议题,展开了深入的研讨。
紫光集团董事长赵伟国在峰会一开始发表了大会开幕致辞,他表示“紫光作为新华三的控股公司,对新华三的发展有着不可忽视的作用。紫光集团和新华三现在有四个大的优势,并持续以‘中国要素’来整合全球资源,坚持新四化。未来紫光还会用其它商业模式,包括通过投资手段来进一步支持新华三集团的发展。”
紫光集团董事长 赵伟国
以下是赵伟国演讲实录:(内容根据现场速记整理,未经发言嘉宾确认,仅供参考,谢绝转载。)
尊敬的各位领导,各位来宾,新华三的合作伙伴,上午好!
今天,大家的莅临是新华三的荣幸,因为新华三正是在各位的关心、支持下成长起来的。今天的大会规模达到7千人,恐怕有接待不周,招待不好的地方,请大家多多原谅。我顺便提醒一下大家,在7千人大会上大家要看好自己的包,拿好自己的身份证。因为在杭州这样一个人杰地灵的地方,身份证没了,实在不太好!
我在这里简单和大家讲一下,今天的主题是新华三的技术大会领航者,紫光是站在新华三背后的企业。简单介绍一下紫光。大家知道新华三这些年发展得很好,紫光接手之后,成为它的控股公司以后,华三的发展更有朝气,也更有战斗力,这和我们也是有一定关系的,所以借这个机会和大家介绍一下紫光。
紫光集团的核心战略核心就是两个字,一个是“芯”,一个是“云”,我们所有业务都是围绕这个战略进行的。紫光集团的前身是1988年成立的清华大学科技开发总公司,93年中国有了《公司法》,所以改成清华紫光总公司。2009年到2010年公司做了股份制改造,做了混合所有制改造。这七年来,公司取得了非常高速的发展,这和企业的机制是有关系的。我讲这些其实也是为了想说明,新华三的未来会有更好的发展。
到3月底,我们大概的资产规模达到了2千亿人民币,这七年来,我们大概的增长速度是100倍。芯片是紫光一个重要的版块,未来也会为新华三的发展提供很多支持和支撑。我们在手机领域已经取得了非常大的成就,在手机领域全球排名第三,份额是27%,这是中国芯片在所有细分领域中,唯一进入全球前三的领域。还有很多,包括在座诸位每四个人,有一个人的身份证是来自于紫光。还有很多别的产品,包括对国家发展有重大影响的一些产品。目前我们正在武汉、南京和成都建设三个比较大的芯片制造基地。
我们云网版块最核心的企业就是新华三集团。目前新华三集团的股权结构,紫光集团51%,惠普占有新华三集团的49%,我想紫光和惠普会继续竭尽全力来支持新华三集团的发展。我想说,今天在座有新华三的很多合作伙伴,这里面偏技术类的,如果有发展前景的,紫光集团愿意通过投资行为来密切我们之间的关系。可以通过新华三来找紫光集团投资部门,我想通过股权投资的纽带会更加有利于大家一起发展。未来紫光还会用其它商业模式,包括通过投资手段来进一步支持新华三集团的发展。
紫光能有今天,我想借此机会也和大家报告一下,为什么会有这样的发展。一个是定位,我们实际上成为一家世界级的高科技集团,发展的两条路径,“自主创新+国际合作”。事实证明,七年来紫光用这种模式的发展取得了很好的成果,有“三个结合”。第一就是企业战略和国家战略的相结合,这是紫光确实得到了方方面面支持的重要原因。
紫光的活力也来自于这种国有控股企业与市场机制的结合,包括决策机制、激励机制、用人机制。还有我们的团队是本土团队和国际人才的结合。概括起来,紫光集团和新华三现在有四个大的优势,国家战略、国有控股、市场机制、高效资源,这些构成了七年来紫光发展的所有秘密。我们以“中国要素”来整合全球资源,坚持新四化。就是人才的全球化,研发的全球化,资本的全球化和市场的全球化。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。