客户背景:
在国家“十二五”信息化规划中,将“安全生产监管”列为15个重大信息化工程之一;交通运输“十二五”发展规划中也明确提出,要“加强交通安全监管和应急体系建设,更好地保障经济社会持续健康发展和人民群众安全便捷出行”。
湖北省地处中国中部、长江中游、洞庭湖以北,历来为中国水陆交通运输枢纽。近年来,公路分布不平衡状况有了极大改善,市州到县(市)全部通达二级以上公路。受地形影响,神农架南部等地为全省多雨中心,江汉平原在梅雨期长的年份常发生洪涝灾害,鄂西北山区昼夜温差较大。旺盛的过境运输需求致使湖北公路水路的保畅压力巨大;特殊的地理环境决定了湖北由于强降雨、多雾、局部雨雪冰冻灾害造成的交通阻断事件频发。 湖北省交通运行安全与应急处置能力面临着新的挑战。
客户需求与挑战:
保障交通运输安全畅通是交通运输发展的永恒主题,提高安全监管和应急处置能力是湖北省交通厅的重要职责。针对湖北省交通业务覆盖范围广、突发事件多、时效性要求高的特点,湖北省交通厅现有视频会议系统面临以下挑战:
· 业务支撑单一
现有视频会议系统仅支撑省厅与各市级单位召开日常大型行政视频会议使用,功能单一,无法满足远程培训、协同办公、信息资源共享等新业务需求。
· 远程应急指挥效率低
湖北省交通厅对交通情况的信息获取主要以实时监控图像为主,而目前交通厅县级单位采用iTV视频会议直播形式,将省会议现场通过互联网实时送到县交通运输局会议电视上,无法进行互动。亟需加强省-市-县多级单位的音视频交互效率,提升应急处理能力。同时由于系统建设时间较早,视频质量无法达到1080P的高清图像效果,影响事故处理效率。
· 产品稳定性和可维护性要求持续提高
交通厅基于对应急事件处理的实际需求,对产品的稳定性提出了新的要求,如在低带宽条件下进行高清视频会议, 不能因为设备故障导致会议中断,提高产品的可靠性和可维护性,让县级单位可以独立维护设备,等。
华为解决方案:
华为针对湖北省交通厅的实际需求,结合不同业务场景对系统应用的不同需求,以便捷的高清视音频交互为核心,采用新一代的视频会议设备,与现网视频会议系统进行融合,一套系统能够同时满足内部工作视频会议和应急指挥会商的应用需求。
功能丰富,让会议更加便捷高效:系统支持标准的H.239双流功能,辅流图像可以支持1080P60/30、 720P50/60/30等多种格式,实现了高清晰全动态双视频流,还可以提供高清动态会场图像与超清晰PC内容同步传送的静态双流。系统支持使用手机/PAD/PC/MAC等任意终端,随时、随地移动接入会议,提高工作沟通效率。
极致高清,让体验如此不同:系统视频会议图像使用业界高清的1080P30格式效果,可以清晰流畅的还原远端会场的细节,大幅提升会议体验。系统配合华为独创的VME活动图像增强技术,最低在512K带宽的网络环境下仍可召开1080P高清会议,在确保会议效果的同时,也大大节省了客户的网络投入;
多重备份,让会议永不中断:考虑到视频会议系统的重要性,为确保系统稳定,本次方案设计提供了SMC2.0管理平台、MCU等设备的备份功能,杜绝因核心设备单点故障导致的会议中断,同时系统支持语音系统备份,当视频系统出现故障,可以迅速切换到语音系统,确保客户各类远程会议的正常稳定召开。
配置两台TE40全高清终端接入视频会议;分别现有视频会议系统及新建视频会议系统,两台终端通过背靠背连接,把现有视频会议系统及新建视频会议联通,实现两套系统的音频、视频、辅流的互通。
各区县配置1套华为TE30一体化高清终端接入视频会议;分别可以适用于大会议室,小会议室或办公室等使用环境,可以灵活部署,减少运维压力,且同时可以同时召开多组会议,互不干扰。
客户价值:
· 覆盖全省各地市县,实现全省交通运输行业三级应急指挥会商。
· 提升日常业务监控处理,事故应急处置的能力,提高工作效率,降低行政成本。
· 兼容现网系统,保护前期投资。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。