制造业如何提高产线效率,如何实现按需生产、弹性生产,如何提高仓储内运作效率以及仓储布局是不断思考的课题;
服务业如何持续满足消费者潜在需求、开发创新体验是不断探索的生存之本;
政府部门如何让公共服务便捷化、城市管理精细化、生活环境宜居化是不断追求的新高度。
在各行各业,产业人工智能正在成为数字化转型的新推动力。
最近,“华为十问AI商用”系列内容刷遍了朋友圈,“谁说,中国式过马路,将一直大行其道?”、“这碗黄焖鸡米饭,是哪里的鸡,怎样的米?”、“房价这么贵,为何还要留在北上广深?”......这背后的故事都有人工智能发挥的关键作用。
近日,华为云委托Forrester咨询公司对中国产业人工智能市场进行了调查,通过访问200家正在进行数字化转型的大中型企业发现:人工智能技术作为核心,深度参与并影响其他新兴技术在不同发展阶段的企业接受度,同时在行业影响方面,人工智能技术也是拉动整体技术趋势影响力的重要驱动因素。
65%的受访企业认为人工智能技术在数字化转型过程中起到非常重要的作用,86%的受访企业将其视为新一轮产业变革的核心驱动力。
人工智能技术已经和教育、医疗、政务、家居、电子商务、零售等领域进行了深度互动,对传统行业带来积极的冲击。不少行业领先的企业已经开始实践产业人工智能的研发。其中,基于模型基础的技术和业务服务研发占比达到79%,策略定义、算法组合等模型研发占比达到72%。总体而言,产业人工智能可以在聚焦于流程管理、产品服务和应用体验不同行业实现数字化转型。
正因为如此,华为积极布局人工智能技术。
几个月前,华为就宣布将在HUAWEI CONNECT 2018期间,发布华为公司人工智能发展战略,以及全栈、全场景的人工智能解决方案。
华为云BU EI服务产品部总经理贾永利
现在,华为的人工智能战略及路线已逐渐清晰了起来。在近日的沟通会上,华为云BU EI服务产品部总经理贾永利对此进行了剧透。
“企业和行业如何真正把人工智能用好?从技术上来讲,主要是四个方面。以前大家提算法、算力和数据是人工智能的核心三要素。其实我们通过众多项目实践,发现其实是四个要素,还包括‘行业智慧’,这个行业的智慧沉淀是非常关键的。”贾永利说。
前者来说,华为的优势在于华为公司有三十年的积累,在对算法和算力的理解、创新上是华为的优势。如何帮助行业用好这些算法,尽快产生价值,是华为云人工智能方案所思考和领先的。
华为云对AI的态度是:打造“用得起、用得好、用得放心”的普惠AI平台。
从基础平台服务到通用AI服务到多域协同决策再到云端智能,华为联合合作伙伴打造了全栈人工智能解决方案。其中,华为不断和合作伙伴沉淀AI行业智慧,并得到应用。
此前,华为云先后发布深度学习、图像搜索、EI智能视频系列服务,推动AI在行业应用场景落地。在交通场景,华为和深圳交警合作,借助华为云的交通智能体解决深圳交通拥堵和违法车辆问题;基于华为云EI以图搜图的图象搜索服务,中国图库网极大的改进了版权图片追责过程,让以图搜图的服务更加易用,在实现秒级查询的同时,达到了99%的准确率;在EI智能视频服务方面,华为云帮助国内某视频直播平台,实现视频场景识别支持365种室内室外场景,Top5精度大于90%,丰富视频搜索功能;在物流场景,华为云EI帮助某医药企业构建更智慧的供应、制造全流程,使其效率提升5倍,拣货人员从3万步/天减少到2万步/天。
此外,贾永利还分享了华为云EI在安防、建筑、预测性维护、车联网、家庭等行业和场景进行的应用,其中的诸多细节将在HUAWEI CONNECT 2018进行分享。
事实上,公有云平台已经成为了包括人工智能在内的新兴技术的重要基础载体,不仅可以通过自动化和资源抽象提供兼具基于的低成本和高灵活性的基础架构资源,而且可以提供平台层以及应用层的灵活服务,快速拓展企业现有应用能力并构建全新的智能应用,成为产业智能的关键力量。这在华为云授权Forrester发布的《产业人工智能发展白皮书》中有详细解读。
贾永利强调,华为云是黑土地,华为云希望通过合作伙伴的行业洞察,结合华为云自身的人工智能算法算力,帮助不同行业实现智能升级。
届时,10月10-12日,上海,华为将在HUAWEI CONNECT 2018发布AI技术和行业应用的全景图。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。