11月17日,由国家信息中心、国际数据集团(IDG)联合主办的“2017亚太智慧城市发展高峰论坛”在高交会期间举办。论坛上,深圳市政府党组成员陈彪、国家信息中心主任程晓波、工信部信息化和软件服务业司调查员杨志锋、IDG亚洲区副总裁徐洲发表致辞。华为EBG中国区副总裁杨萍出席论坛并参与高峰对话环节,围绕“跨界融合,创新加速建设未来城市”这一主题与国家发展与改革委员会电子政务工程中心副主任徐枫,泰国数字经济与社会部秘书长,新加波驻华大使馆一等秘书等嘉宾进行了深入交流。
跨界融合是智慧城市未来发展的趋势,创新是主要动力
近几年,经过在智慧城市领域的探索和实践,华为深刻认识到创新驱动在智慧城市发展中具备的重要意义,也亲身感受到跨界融合在智慧城市建设中发挥的重大作用。如果说跨界融合是智慧城市产业未来发展的趋势,那么创新无疑是加速建设未来城市的引擎。
跨界融合是智慧城市未来建设发展的主要模式,智慧城市作为复杂巨系统,需要各行各业的共同努力以及联合创新,已经成为业界共识。在智慧城市的生态当中,华为恪守自己的业务边界,以实现客户和合作伙伴的共赢为目标。通过华为智慧城市的生态圈,客户和合作伙伴不仅仅可以获得技术解决方案,还有覆盖全国的市场平台和全球化的资源平台。
创新驱动是智慧城市未来建设发展的主要动力。在智慧城市的建设过程中,华为对智慧城市的定位是打造城市神经系统。这个神经系统不仅包含城市大脑,还需要从大脑到末梢的神经网络。从万物感知、信息传送、大脑分析决策、再到反馈指令、完成行动,需要一个完整的神经网络来实现闭环。所以华为的创新聚焦在智慧城市ICT基础设施领域关键的、核心的、难点的技术,发挥大公司在研发投入、人才、以及全球化资源布局的优势。
华为联合创新推动企业数字化转型
华为有18万员工,其中8万是研发人员。过去10年,华为在研发领域的投入超过3100亿人民币。2016年底,在欧盟委员会发布的“2016全球企业研发投入排行榜”上,华为位居中国第一、全球第八。
依托强大的研发和综合技术能力,华为创新性提出了“平台+生态”双轮驱动的战略,基于实际场景,与客户、合作伙伴共同开展业务和解决方案创新,从而全面实现数字化转型。
华为的联合创新具有三大特点:一是,面向客户需求,为客户创造价值,以帮助客户解决问题为目的。二是,华为的联合创新是在“平台+生态”战略框架下的联合创新。三是,华为的联合创新是本地化、场景化的。
以刚刚在巴塞罗那的“全球智慧城市博览会”上获得“平安城市奖”的深圳智慧交通联合创新项目”为例。深圳交警与华为及相关合作伙伴如中国电科、华昊、公安部交管局无锡所、以萨等从顶层设计入手,全面规划深圳城市交通体系,主要从提升城市交通通行能力和减少事故发生确保驾驶人员安全两个方面来考虑,保障城市安全。深圳交警采用大数据平台,包括数据资源池和深度学习系统,形成城市“交通大脑”,实现全城交通流量感知,自适应控制交通信号灯,道路通行能力提高8%左右;通过统一大数据平台,汇集交通数据集中处理,效率提升200%;应用人工智能辅助执法,提升10倍的违章图片识别效率,确保违章的快速处理,从而缓解城市拥堵,改善市民出行体验。
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。