“桂林山水甲天下”,说起桂林,南宋官员王正功的这句诗形成了世人对桂林这座旅游胜地的独特印象。不过,桂林市人民政府副市长樊新鸿说,“桂林是一本厚厚的书,山水只是封面。”的确,桂林是一座国家历史文化名城,有着4000余年历史,它还是中国老工业基地之一,也是地区重要的科教中心。“旅游”是桂林的名片,但不是唯一。
新的时代机遇下,桂林要建设新型智慧城市,将桂林的城市名片印深、放大,让这本厚厚的书更有底蕴。用樊市长的话说,“桂林要打造独具山水人文特色的智慧城市格局。”桂林的智慧城市建设包括智慧旅游,但不止于旅游。
2013年,桂林获批国家智慧城市试点城市,2014年成立桂林市智慧城市建设工作领导小组。近年来,桂林智慧城市建设工作全面推进。桂林希望利用智慧城市建设实现数据兴市、信息强市、智慧融市。
(图)桂林市人民政府副市长樊新鸿(左),华为EBG中国区智慧城市业务部副总裁、智慧城市首席专家洪小舟(右)接受媒体采访
名城名企合作创新,携手华为打造全新智慧桂林
“富规划、穷建设”,樊新鸿将桂林智慧城市建设的现状形容为“规划上不惜投入成本、建设时精打细算”。桂林引来了重量级的合作伙伴——华为,一是在规划上引入华为智慧城市建设的经验和专业方法论,二是在建设上桂林与华为就桂林华为信息生态产业合作区展开合作,双方在智慧城市、云计算与大数据等领域密切配合,共同建设桂林云计算数据中心、智能展示中心等项目。桂林云计算数据中心由华为提供整体解决方案,未来规模将达到1万个机柜以上,将作为桂林智慧城市的“智基”。
“目前,桂林所有的政务部门不再允许建设私有数据机房,而是统一迁移到桂林云计算中心上去,这样大大减少了在城市信息化建设上的开支。”樊新鸿说,桂林现已主要实施了政务云的共享交换平台、地理信息共享平台和视频监控共享平台,并已规划建设13大重点工程,47个应用建设项目。
此外,桂林希望通过智慧城市建设构建三大城市功能板块:第一是漓江山水,通过智慧河长、智慧旅游、智慧生态等保护好漓江,保护好桂林的绿水青山;第二是桂林老城,以信息技术和文化、生态、旅游相融,疏解提升成世界一流的国际旅游目的地;第三漓江流域之外的产业新城,将桂林经济技术开发区打造成中国最绿色、最高效,最美丽的经济开发区,实现产业和城市融合发展。
智慧城市带动产业发展
桂林希望将智慧城市的应用场景转换为产业发展的吸引力,樊新鸿开玩笑地说“桂林差钱”,所以希望通过智慧城市带动产业发展,进而反哺智慧城市建设。桂林一年有8000万的游客,希望通过以改善智慧旅游体验为切入,实施一批应用项目带动产业聚集。
对于华为来说,通过智慧城市建设带动城市产业发展同样是华为的愿景。在华为看来,智慧城市是数字经济的最佳抓手,华为能做什么事情?华为EBG中国区智慧城市业务部副总裁、智慧城市首席专家洪小舟表示,“第一,华为帮助当地政府搭建好平台,例如智慧城市应用平台,有了平台从而提供产业发挥的舞台;第二,华为帮助城市引入一些合作伙伴,通过伙伴帮助城市进行商业模式以及相关运营模式上的设计,进而把单纯的投资变成和收益的结合,并且提升产业效应。”
在桂林,华为同样引入了多个合作伙伴落地和入驻。以潍坊为例,华为通过帮助潍坊打造物联网联接管理平台和全市统一规划建设的NB-IoT网络,联接城市市政基础设施,支撑水务、农业、环保、养老等十二个行业应用。现在已经聚集了50家企业,预计利用3-5年时间,将形成100亿元产业规模的物联网产业园区,带动相关产业及社会各领域应用创新。
华为打造智慧城市神经系统
华为智慧城市解决方案帮助全球40多个国家,120多个城市建设智慧城市。在2017年,华为在中国参与了北京、深圳、敦煌、潍坊、益阳等48个智慧城市项目,与80个城市签署了战略合作,与合作伙伴一起落地实施的智慧城市应用涵盖了智慧政务、智慧警务、智慧交通、智慧教育、智能制造、智慧路灯等多个领域。
是什么让诸多城市选择华为?站在樊新鸿的角度,他希望通过智慧城市建设实现服务于老百姓的成本最低、性能最好、质量最优,老百姓最满意,这样的城市运转才是真正的有机体。樊新鸿的所想和华为的实践十分一致,华为同样认为,智慧城市是一个有机生命体,华为EBG中国区智慧城市总工姚健奎表示,华为帮助城市打造智慧城市的“神经系统”,在“神经系统”的参与下,城市有机体才能迅速做出反应并且更智慧。华为打造的智慧城市“神经系统”包括数据采集、数据传输、数据处理、数据应用等功能。其中除了城市大脑,华为搭建的“神经网络”从端点感知、大脑决策、再到肢体行动实现了闭环。
华为通过将云计算、大数据、物联网、移动互联网、人工智能等新一代信息通信系统,与城市的场景进行深度的融合,为城市构建“感知无处不在、联接无处不在、计算不出不在,智能无处不在”的协同生态和交互体系与城市的场景进行深度的融合,为城市构建无处不在的强大神经系统。
“打造智慧城市神经系统,助力城市数字化转型”,这是华为能够做到的,却是其他厂商不容易做到的。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。