至顶网网络频道 03月23日 综合消息: 在全球信息化进入全面渗透、跨界融合、加速创新、引领发展新阶段的大背景下,数字经济正在成为经济增长的新动能,不断为全球经济复苏和社会进步注入新的活力。站在数字经济的风口下,烽火正顺应产业融合带来价值转移的趋势,由 CT 领域向 IT 领域,在行业信息化、云计算、大数据等领域悄然布局。
烽火作为中国光通信的发源地,光通信核心技术已实现全球领先,目前业务转型升级ICT 2.0+框架,构建以“安全、自主、可控”为特色的ICT生态圈,以端到端一站式解决方案服务于信息化市场。目前已晋级为 OpenStack 黄金会员,在OpenStack 社区贡献居全球前列。云计算领域,聚焦打造以党政为核心的垂直行业解决方案,成功获批国家发改委重大经济试点项目。紧跟PaaS 技术趋势,烽火开发云通过权威机构认证评估,自主知识产权的行业 CBB 技术模块支撑政法行业、运营商 IDC 园区领域等产品解决方案落地。
烽火正不断通过信息通信技术,为善政、兴业、惠民做出贡献。近年来承建一系列重点工程:云南省党建云、湖北省楚天云、新疆兵团云,国家养老云、中国邮政信息化、湖北教育云、广西公安云、厦门体育云,中车大数据平台、中航信云、光电产业云、慧创云等。
云南省党建云是“智慧云南”的重要组成部分,是“云上云”工程的第一个落地项目,也是全国第一个省级党建云平台,烽火提供了一套完整的从机房基础设施到IAAS,PAAS和SAAS输出端到端技术方案。云党建云平台采用烽火微模块FitMDC、云操作系统FitOS、云管平台FitMgr、云存储FitStor、移动社交平台M-Plus等一系列产品,实现将现有的“互联网+党建”相关业务数据及应用集中到全省统一的服务平台上,集成创新、稳步开发,整合组织部信息化基础设施资源,创建“实用、管用、易用”的应用服务系统,支撑 6大应用系统,25个应用程序和政党社交平台,服务云南省200多万党员、16000多个基层党组织……。
湖北省楚天云是“智慧湖北”建设的龙头和核心项目,通过楚天云平台的搭建,实现了政务信息的汇集,为以后的数据共享交换、业务应用创新和产业转型升级奠定了坚实基础。楚天云 “政府主导、市场运作”的创新模式,极大提高了项目推进效率,创造了国内省级政务云建设的“楚天云速度”。烽火作为楚天云公司的大股东和技术支撑方,提供了从咨询规划、方案设计、产品工程、运维支撑、安全保障以及标准制定的端到端服务。
湖北省教育云,通过云门户、云空间、云资源、云应用、云端一体、软硬结合、跨多平台共七大功能模块,全面覆盖校园管理、教师教研、智动课堂、社区、家庭学习等教学管理的方方面面具备在线课程、学习中心、教师发展、资源中心、学情数据管理等十大类500多种功能。烽火利用强大的ICT技术实力、深厚的研发及工程技术底蕴,成功完成“教育云”的部署。在湖北省内已启动15个地市州试点区,目前全部完成试点的6个区域中线上师生用户已超过100万,后期将推广至全省600万师生,让大家在平台应用中享受到优质的教育资源服务。
中航信云,“云上”资源随需调度,航信云平台基于开源OpenStack Mitaka版本进行构建设计,为航信内部分支机构用户以及外部客户提供云平台资源服务。通过云平台,资源利用率提升137%,运营成本大幅减少,OPEX降低60%,安全威胁降低90%,国产化替代原有Vmware,自主可控,完备可靠的业务迁移,主要服务于航空公司、机场、民航旅客等等。
以云计算、大数据、物联网为代表的ICT新技术新产品市场是万亿级的,而国内正在推动去IOE和自主可控的ICT产业,国内厂商面临难得的市场机遇。面向未来烽火“砥砺奋进 铿锵前行”,产业规模在“十二五”末基础上再翻一番,达到600-800亿元,力争突破1000亿元,继续保持“光通信”领域引领态势,强化高端和软件开发能力突破,实现由通信领域综合解决方案提供商向信息通信领域综合解决方案和专业服务提供商的转变。
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。