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
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。