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
开源加密初创公司ZamaSAS宣布完成5700万美元B轮融资,专注于为区块链和AI应用构建全同态加密技术以保护隐私。本轮融资由BlockchangeVentures和PanteraCapital共同领投,使公司总融资超过1.5亿美元,估值突破10亿美元。同时,Zama推出保密区块链协议公开测试网,允许开发者在以太坊上构建私密通信应用。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
英国网络铁路公司、Neos Networks和Freshwave联合启动"触达项目",旨在消除英国主要铁路干线上的信号盲区。该项目将公私合营模式相结合,预计为纳税人节省约3亿英镑。项目将部署1000公里超高速432芯光纤电缆,覆盖东海岸主线等多条线路,并在12个主要车站提供4G/5G室内连接,在57个隧道中部署4G移动连接。新网络将大幅提升铁路通信基础设施能力,支持轨道传感器和监控应用,为乘客提供更快更可靠的列车服务。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。