华为云希望在AI的带动下扮演智慧城市的底座角色。
在2018年高交会上,新任华为云中国区总裁洪方明首次对外亮相。他也公开阐述了华为云在中国市场未来发展的一些新理念。
一个月前的2018华为全联接大会上,华为轮值董事长徐直军对外公布了华为的AI发展战略,以及全栈全场景的AI解决方案。其中,华为云占据了重要的位置:全栈全场景意味着华为的技术架构能够提供从芯片到云、边缘、终端的全场景支持。云成为了华为对外输出AI能力的重要渠道。
“在AI技术的浪潮下,华为云凭借公有云将AI技术模板化,以全栈全场景的形式全面部署在云边端,使得AI能够以普惠的方式服务客户。”洪方明对界面新闻记者表示。这可以被看作是华为云往后的一个重要竞争优势。不同的企业、场景和环境都需要云服务。相比于需要针对具体场景进行重新调试的公有云技术方案,华为云可以在最大程度上减少用户的学习成本。AI的加入,也能够让华为云能够在日常运用中不断地理解用户的需求,从而更好地输出自身能力。因此,华为云在AI引擎的带动下,往后有机会进入更多的行业,来帮助它们实现数字化转型。洪方明提到,就目前而言,华为云在国内已经覆盖包括城市、制造、物流、互联网在内的8个行业,在地方有了超过200个合作项目。
智慧城市是其中的一个重要方面。这个领域可以被看作是城市建设、政府事务的智能化转型。一个最近比较受关注的例子就是腾讯所推出的“数字广东”计划。
在这次高交会上,华为EBG(企业业务)中国区总裁蔡英华也正式发布了华为“城市智能体”全新理念。这一系统能够实现城市要素数字化、城市运行实时状态可视化,以及城市管理决策协同化和智能化等特点。
根据华为方面的说法,智慧城市可以分为三个阶段:早期的电子政务、政务移动互联网化、通过数字技术实现数据的打通和融合。城市智能体正是智慧城市最终阶段的体现。
在城市智能体的背后,华为云起到了“技术底座”的作用。在其中,云技术要发挥其计算能力,来和边缘平台和端侧相结合,实现对于人和物体大数据的综合分析,来把结果反馈到城市智能体,最终打造智能城市。这个过程涵盖了感知、分析、决策、执行全环节,形成了一套智能生态。
“基于城市智能体,首先华为云解决的是今天的城市面临的问题,比如通过智能交通灯解决深圳交通拥堵的问题。”洪方明举例称,在深圳坂田的华为基地,有大约60000名华为员工在那里工作、生活。因此,每天上下班时间,交通拥堵就成为了家常便饭。
为了解决这个问题,华为云将自身的智能能力运用到该地区的城市信号系统,在上下班高峰期的时候,提升了整体的交通效率,使得路口通行效率提升了17%。目前,深圳在全国一线城市中拥堵程度已经下降到最低水平。
服务城市智能体,可以被认为是华为云之后在中国区市场的一个重要角色。作为新任华为云中国区总裁,洪方明也更详细地谈到了华为云在内部体系中的详细地位。
“公司在云这块有很大的投入。举个例子,2017年3月,华为云BU成立。在最近的一年多时间里,华为云的服务就已经增加到了超过140种,包括60多种通用解决方案和80多种基于行业场景的解决方案。”洪方明介绍称,华为内部是从研发、资源、人力等各个方面向云倾斜,华为对于云服务是战略性投入。在接任新职位之前,洪方明曾经担任华为在欧洲地区多个国家的业务负责人。现在,在进入到时下最受关注的云服务领域后,他也不可避免地要面对许多新的挑战,例如日趋激烈的市场竞争等。他表示,之前自己在北欧地区曾经经历过华为手机从零开始开拓市场的历程;经过数年的努力,华为手机产品已经在当地成为了市场份额领先的品牌之一。
“今天华为云手中的资源要远远多于手机产品当初的情况,无论是基础技术、人才专家的积累,还是技术研发上的资金投入,都能够确保华为云之后在市场中的竞争力。”洪方明告诉界面新闻记者。
好文章,需要你的鼓励
橡树岭国家实验室、IBM和克利夫兰诊所联合开展研究,利用量子-AI混合工作流对聚变反应堆熔盐毯的化学过程进行模拟。研究聚焦氚的提取问题——氚是维持聚变反应的关键燃料,其在熔盐中的行为复杂度超出经典计算机的精确建模能力。量子计算结果与顶级经典方法高度吻合,验证了这一路径的可行性。未来目标是构建量子计算机、超级计算机与AI协同的闭环工作流,从计算层面优化熔盐设计。
LUMOS是一个让AI通过操作系统无障碍接口直接读取界面语义信息来操控电脑的中间层,避免依赖截图识别,降低AI电脑操作的资源消耗和出错率。
深圳智能眼镜初创公司Even Realities完成1.5亿美元Pre-B轮融资,由美团领投、腾讯跟投,估值达10亿美元。公司由前苹果工程师于2023年创立,旗舰产品Even G2主打无摄像头设计,通过内置抬头显示器向用户推送信息,以保护隐私为核心卖点。其用户超半数来自美国,主要面向30至50岁男性专业人士,单均订单约1000美元,目前尚未进入中国市场。
腾讯混元联合多所高校提出PolyFlow,用流匹配模型并行生成艺术家风格3D网格,速度比自回归方法快百倍,几何精度达到新高。