“生态伙伴精英赛”初赛直击 | 4500余名ICT精英同台齐秀,赛出风采
一年一度的ICT界Olympics——“ΣCO-Discovery” 华为生态伙伴精英赛2017伙伴赛于今天正式开幕,4500余名生态伙伴精英在全国32个赛区同场竞技。
“ΣCO-Discovery”华为生态伙伴精英赛源于2013年的合作伙伴大比武,在参与人数规模上逐年递增,成为当前国内ICT产业内一道独特的风景线,大赛旨在通过聚合生态伙伴同台竞技,聚焦生态伙伴能力建设,倡导生态分工协作,达到多方共赢、共同发展的目的。
4500+精英 全国32个赛区同台竞技
7月29日-2017
赛场直击
本次伙伴赛初赛涵盖了售前、售后、商务三个领域的27个子赛项,在全国30个省市设立32个赛区。今天上午是售前和商务赛项,下午是服务赛项。上下午各有2000+小伙伴们进行角逐。赛场上精英们同台竞技,聚精会神,现场氛围既紧张又激烈,这不仅仅是知识和技术的比拼,更是一场心理的较量。
北京赛区
广州赛区
南京赛区
深圳赛区
上海赛区
杭州赛区
其他26个赛区 赛事同样如火如荼
赛场小插曲
稳定网络哪里来?昊驰伙伴帮大忙!
赛场好帮手:石家庄赛场场地变更,CSP5钻河北昊驰电子科技有限公司的小伙伴刘建豪、李政委、樊高使用华为无线设备在现有复杂现网上搭建了大赛需要的稳定网络,支持赛场超过百名参赛小伙伴的并发无线接入,给昊驰电子的小伙伴们点赞!
叫我第一名:来自北京智讯天成技术有限公司的范百顺在2016年精英赛中夺得服务赛项一等奖,今年也踊跃参加了解决方案赛项的竞赛,直言去年的获奖对个人和所在公司特别有价值。
执着的参赛者:上海臻宇电子有限责任公司的许智富是一名台湾同胞,因为没有国内的身份证无法通过IT系统报名,特别找到华为要求报名,他参加的是解决方案-网络能源赛项。
赛场感悟
舞台是迈向成功的阶梯,华为生态伙伴精英赛2017正是这样一个舞台:以赛代练,通过接近实战的方式聚合精英同台竞技,在切磋交流中学习,在精英竞技中成长。通过本次初赛,伙伴精英们不仅仅收获了对新热点技术的掌握,还将进一步巩固自身知识结构,提升综合竞争力,为未来职场发展打下坚实的基础。一起来看看部分参加的小伙伴都有哪些感悟吧!
“今年售前赛项的试题内容更贴合业务,通过前期学习对行业和产业发展理解深刻了,弥补了自己知识结构的不足。”
“本次大赛重要的不是结果,而是学习拼搏的过程,遇到来自不同行业和技术方向的同行,通过这次大赛与他们交流,学习到了很多内容。”
“这次比赛是一个查漏补缺、积累经验的过程,通过比赛也能够更好的提升自己,以便更好的服务客户。”
为了让小伙伴们更好地应对本次初赛,大赛针对售前、售后、商务方面准备了丰富的学习资料。售前学习内容涵盖了10个行业及云、全云网络等6个产业的学习资料,通过学习可以获取最新的行业洞察,进一步了解华为行业场景化解决方案与产品知识;售后学习内容涵盖数通安全、传输、IT、云、网络能源、视讯、项目管理、服务销售各赛项的在线视频类课程和文档类学习材料;商务学习内容整合了商务全流程生态资源,涵盖价格、订单、财经、业绩激励、进销存、供应链、公有云等最新业务课程。丰富的学习内容帮助伙伴极大地拓宽知识视野,巩固知识结构,提升业务能力。
作为一个开放、合作、分享、共赢的平台,华为中国合作伙伴大学倡导用知识和文化联接华为和合作伙伴。“ΣCO-Discovery”华为生态伙伴精英赛是华为中国合作伙伴大学的年度盛事,也是ICT生态圈的“大聚会”,生态精英通过接近实战的方式,以客户实际应用场景为命题,致力于为客户创造出最大化的商业价值,达成商业利益共享。一直以来,华为以“平台+生态”战略构建数字化转型共同体,努力将ICT人才生态凝聚成为ICT生态圈人才交流、协作、价值创造的纽带,倡导从独立创造价值到合作创造价值的新模式,促进生态圈繁荣发展。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。