第十九届中国国际高新技术成果交易会(简称“高交会“)将于11月16日-21日在深圳会展中心拉开帷幕。华为公司将以“新ICT,打造智慧城市神经系统”为主题,参与由国家信息中心主办的智慧城市专馆展览,搭建近300平米的“虚拟智慧城市”展台,在亚太智慧城市发展高峰论坛发表多场精彩演讲;同时在11月18日,还将在国家信息中心和深圳市经济贸易和信息化委员会指导下,举办“华为智慧城市峰会2017”,旨在与客户、合作伙伴一起推动智慧城市发展。
“智慧城市”是信息时代的一种全新城市形态,是城市发展的新驱动力,是一种提升城市品质的新思维。智慧城市不仅是一个发展愿景,更是增强城市核心竞争力的精准切入点,为城市管理效率增强、百姓幸福感提升、经济结构优化提供有效途径,将不断推动城市向高端发展。
作为全球智慧城市建设的重要参与者与推动者,华为智慧城市解决方案已在政府、交通、教育、医疗等多个行业得到广泛应用,帮助全球40多个国家、120多个城市建设智慧城市。其中在深圳,华为积极参与了深圳市电子政务云平台、信息惠民、智慧龙岗、智慧宝安、智慧南山等多个智慧城市项目的建设。
在智慧城市领域,华为聚焦于ICT基础设施,致力于打造智慧城市神经系统,通过开放能力聚合合作伙伴,推动智慧城市生态圈的良性发展,共同为客户提供新型智慧城市整体解决方案。为了更好地实现这一目标,华为将在本次高交会期间重磅发布全新的智慧城市理念——“新ICT,打造智慧城市神经系统”,这一理念包括三方面的内容:
智慧城市是一个有机生命体:智慧城市不再只是若干功能的简单叠加,而是一个系统工程,交通、教育、医疗、能源、环保、政府管理、公共安全等各子系统之间是普遍联系、互相促进、彼此协同的。
城市有机生命体需要“神经系统”:智慧城市将云计算、大数据、物联网、移动互联网、人工智能等技术与城市场景深度融合,构建“感知无处不在、联接无处不在、数据无处不在、计算无处不在、智能无处不在”的协同生态和交互体系,正如人类有神经系统一样,智慧城市也应该有“神经系统”,可以感知、接受、处理信息,让各类信息协同工作。
智慧城市神经系统应具备三大特点:功能强大的中枢系统——城市智能运营中心(IOC);全面海量的感知系统——物联网+视频;敏捷无所不在的传导系统——有线+无线网络。
除了重磅发布“新ICT,打造智慧城市神经系统”这一全新智慧城市理念外,在此次高交会期间,华为还将通过展览展示、峰会交流研讨、样板点参观等活动,全方位展示智慧城市解决方案最新成果、分享在智慧城市领域的产业洞察和实践经验。具体来说包括以下4大亮点:
玩转“虚拟智慧城市”:华为将在智慧城市专馆(6号馆)部署近300平米的“虚拟智慧城市”展台(6B01),与您分享创新的智慧城市解决方案,为您带来在城市运营中心、平安城市、智慧政务、智慧医疗、智慧教育、城市物联网等领域的精彩业务体验。
解读华为的智慧城市之道:在11月17日上午举办的“亚太智慧城市发展高峰论坛”和下午的平行论坛上,华为高层领导将出席并带来精彩主题演讲,解读华为智慧城市战略定位与核心价值,并与业界代表进行高峰对话,分享华为在智慧城市的理念与实践。
展示华为智慧城市最新成果:11月18日,将举办华为智慧城市峰会2017。峰会将邀请深圳、上海等多地客户分享智慧城市建设成果,并将与客户、合作伙伴共同探讨智慧城市建设之道。
眼见为实感受智慧城市建设实践:华为将在高交会期间组织与会嘉宾参观龙岗区行政服务大厅、龙岗区智慧警务大厅等多个样板点,立体化呈现华为与深圳市政府、合作伙伴在智慧城市建设中的实践成果。
11月16日-21日,华为与您相约“第十九届中国国际高新技术成果交易会”和“华为智慧城市峰会2017”,深圳见!
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。