3月30日,以“融绘数字未来”为主题的新华三2018 Navigate 领航者峰会在美丽的成都隆重举行。紫光集团联席总裁、新华三集团总裁兼CEO于英涛在当天的主旨演讲中,对数字化做出了新的诠释,指出数字化解决方案需要具备“8个1”,其中包括:洞察、连接、云、数据、人工智能、安全可信、生态、服务等8个层面,而这“8个1”也是构成新华三数字化解决方案的8大要素。
紫光集团联席总裁、新华三集团总裁兼CEO 于英涛
一个前提:洞察
于英涛讲到,源自33年的行业信息化建设经验,覆盖政务、金融、交通、医疗、教育、互联网等众多行业,通过几十年的深层交流及积累,赋予了新华三出众的行业洞察能力。
一个基础:连接
秉承新华三提出的大互联概念,于英涛认为完备的连接能力应该进一步提高网络连接效率,并降低企业IT运营成本。结合5G、物联网、大数据、人工智能等新技术领域,为海量数据的连接与传输提供坚实保障。本次新华三应用驱动网络再度得到升级,最新推出的AD-NET 3.0也从传输效率、运维成本、网络性能、平台兼容性等多个方面得到了全面提升。
一个平台:云
随着紫光云战略的发布,将形成紫光公有云+新华三私有云的云战略布局,将进一步发挥云网板块的协同效应与组织红利,以云平台为支撑,以运营服务为引擎,以生态发展为龙头,持续推动数字化转型与产业升级,提供从技术设备到私有云、混合云、公有云以及云生态的全栈式方案交付能力和最优的用户体验。
一种资源:数据
于英涛表示,新华三推出的高效数据引擎,将能够实现从平台级数据引擎向行业数据引擎的升级,通过大数据平台数据集模型算法+行业数据引擎的方式为行业应用提供有力的数据支撑。
一份安心:安全可信
变被动为主动,一直是很多安全厂商所寄予的一大心愿。于英涛认为,要改变传统的被动安全思维,用主动安全的理念和体系进行安全防护。而新华三的主动安全能力也将具备三大特点:强调对安全态势的整体把控、强调安全设备的协同联动、强调更积极的安全响应,以化解安全威胁。
一种工具:人工智能
如今AI已经成为所有科技类企业不可回避的话题,于英涛指出要构建完善的AI系统,将以业界最备整的IT基础设施产品,为AI解决方案的构建提供完整的硬件组合平台,支持主流开发框架,从而为AI打造一个坚实的基础。
一群伙伴:生态
于英涛表示,通过新华三与生态伙伴一起构建的中国最大的移动支付清算平台,以及中国第一个基于公安部最新标准建设的警务云平台,充分体现出新华三将数字化生态链引入客户平台,帮助客户实现数字化创新的全面数字生态汇聚能力。
一份保障:专业服务
新华三提出的全生命周期服务能力,主要由数字化转型咨询、到数字化解决方案,场景化架构设计,再到解决方案的专业化交付,以及一体化大运维所构成。从其服务类型可分为:基础服务、增值服务、技术咨询等几个部分。于英涛指出,其中最为核心的就是增值服务,将围绕IT应用开发与测试、IT架构的建设与集成 、IT运维与优化等多环节展开,为用户提供应用管理与测试服务、融合IT集成与转型服务,以及IT运维与运营三大类服务解决方案。
最后,于英涛用十分激昂的语调抛出:“数字化解决方案”就是创造数字世界的工具,作为“数字化解决方案领导者”,新华三就是您创造未来的最佳合作伙伴!
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。