至顶网网络频道 03月30日 综合消息:在今日举行的“H3C NAVIGATE 2018领航者峰会”上,紫光旗下新华三集团(以下简称“新华三”)数字经济研究院正式发布了《中国城市数字经济指数白皮书(2018)》(以下简称“2018版白皮书”),为100个城市的数字经济发展精准画像,同时提供更为贴合城市管理者视角的分析与建议,以期更好地为政府与企业提供决策参考和支持,帮助处于数字经济不同发展阶段的城市探索新形势下城市经济数字化转型新路径。
新华三在2017年4月首届领航者峰会上正式发布了《中国城市数字经济指数白皮书(2017)》,作为首个论述和评估中国城市数字经济发展现状的白皮书,对中国40个城市的数字经济发展进行了深入分析,受到业界的广泛关注和肯定。此次2018版白皮书将评估城市数量扩大到100个。2018 版白皮书指出,中国城市数字经济呈现出“3中心5热点”的发展格局,建议要将数据作为城市数字经济发展的核心生产要素,构建统一、共享的城市级服务平台,加强区域城市与产业协同,实现数字经济的全面均衡发展。
为中国城市数字经济画像
2018版白皮书进一步完善了中国城市数字经济指数的评价体系,丰富和深化了数据与信息化基础设施、城市服务、城市治理、产业融合4个一级指标与12个二级指标具体内涵,突出了数据基础、建设成效与产业经济的价值。基于这一评估体系,2018版白皮书从338个备选城市中,根据经济规模、人口规模、政治地位、区域辐射能力四个方面遴选出100个城市,作为评估对象。最终,将其聚类为数字经济“领导者”、“追赶者”、“新兴者”、“觉醒者”与“观望者”。
2018版白皮书认为,以深圳、上海、北京等城市为首的“领导者”数字经济发展均衡,具有全面领先优势;以宁波、无锡、贵阳、青岛、重庆等城市为代表的“追赶者”在某些重点领域取得了突破或领先优势,具有进入“领导者”序列的潜质;以绵阳、沈阳、常州、昆明、珠海等城市为代表的“新兴者”数字经济建设初见成效,行将步入快速发展阶段;“觉醒者”已意识到数字化转型的重要性,并开始起步;“观望者”则数字化基础相对薄弱,目前仍处于摸索阶段。
2018版白皮书还指出,中国城市数字经济已形成“中心”和“热点”两种新生态的雏形,共出现长三角、珠三角、环渤海3个中心,四川盆地、华中平原、闽东南、关中平原、山东半岛共5个热点,区域协同发展效应显著。其中,“中心”区域内,城市数字经济双向协同、互补发展;“热点”区域内,城市单极突破发展,例如四川盆地热点便是以成都作为数字经济高地与突破口。
为中国城市数字经济谏言
2018版白皮书研究结论认为,中国各级城市间数字经济发展水平存在明显级差,在城市服务与城市治理方面不均衡现象突出,特别是在数据和信息基础设施方面,当前各城市以硬件为核心的信息基础设施差距已逐步缩小,以数据为基础的差异开始形成。
针对城市数字经济建设中存在的种种现象和情况,2018版白皮书研究结论建议城市管理者以数据为核心,重新梳理内外部生产要素,构建城市发展新模式;作为城市数字经济发展的基础,各城市还应构建统一、共享的城市级服务平台,带动更多行业与企业开放数据、利用数据、共享数据,从而真正释放数字经济的新动能价值。2018版白皮书还呼吁,各城市在聚焦城市内产业主体通过数字化实现智能化、精细化、服务化的同时,还应关注以数字经济促进所在区域内城市之间与产业之间的深度融合,形成区域经济新生态,以推进数字中国的实现进程。
了解更多《中国城市数字经济指数白皮书(2018)》相关信息,敬请访问:http://deindex.h3c.com/
好文章,需要你的鼓励
33年后,贝尔纳多·金特罗决定寻找改变他人生的那个人——创造马拉加病毒的匿名程序员。这个相对无害的病毒激发了金特罗对网络安全的热情,促使他创立了VirusTotal公司,该公司于2012年被谷歌收购。这次收购将谷歌的欧洲网络安全中心带到了马拉加,使这座西班牙城市转变为科技中心。通过深入研究病毒代码和媒体寻人,金特罗最终发现病毒创造者是已故的安东尼奥·恩里克·阿斯托尔加。
ByteDance智能创作团队开发的DreaMontage系统能够将用户提供的零散图片和视频片段智能组合成流畅的"一镜到底"长视频。该系统通过三项关键技术突破解决了时空定位、视觉表现力和内容连贯性问题,在多项测试中显著超越现有模型。这项技术大大降低了高质量视频创作门槛,为影视制作、广告营销和内容创作提供了全新可能性。
人工智能安全公司Cyata发现LangChain核心库存在严重漏洞"LangGrinch",CVE编号为2025-68664,CVSS评分达9.3分。该漏洞可导致攻击者窃取敏感机密信息,甚至可能升级为远程代码执行。LangChain核心库下载量约8.47亿次,是AI智能体生态系统的基础组件。漏洞源于序列化和反序列化注入问题,可通过提示注入触发。目前补丁已发布,建议立即更新至1.2.5或0.3.81版本。
这项由多伦多大学领导的研究首次系统性地揭示了分词器选择对语言模型性能的重大影响。通过训练14个仅在分词器上有差异的相同模型,并使用包含5000个现实场景测试样本的基准测试,研究发现分词器的算法设计比词汇表大小更重要,字符级处理虽然效率较低但稳定性更强,而Unicode格式化是所有分词器的普遍弱点。这一发现将推动AI系统基础组件的优化发展。