至顶网网络频道 05月15日 北京报道:自2018年3月紫光集团正式进军公有云市场以来,紫光云一直以打造一朵“芯云一体、授信安全、场景驱动、混合交付”的云为己任,并持续推动产业转型与升级,致力于成为中国最具产业优势的公共云服务提供商和最值得信赖的数据运营合作伙伴。
经过一年多的发展,紫光云目前已经形成重点面向政企行业客户的业务模式,以公有云平台为支撑,以运营服务为引擎,以生态发展为龙头,深度构建IaaS领域,重点突破行业场景化PaaS能力及构建SaaS生态。在此期间紫光云积极拓展产品版图,发布了包括基础服务、平台服务、产业应用在内的超过12个大类、508项云服务。
据悉,紫光云将打造以“百城百业”为业务目标,聚焦城市云和行业云,包括建立工业智能制造、政务大数据、智慧教育、精准扶贫、BIM、环保、交通、水务、军民融合等超过十个行业的国内外顶级专家队伍和相应研发的体系。
2019年5月16日-19日,第三届世界智能大会在天津召开之际,紫光云将重点亮相17日下午的“城市云与城市智能发展峰会”,届时紫光集团副总裁,紫光云总裁兼CEO吴健将在峰会中发表重要主题演讲,就紫光云战略规划、技术创新以及生态构建等方面发表最新观点。
自2018年8月落户滨海高新区塘沽海洋科技园,经过不到一年的时间,紫光云已全方位参与天津智能化建设,目前已建立起了600多名科技型人才的阵容,其中30%以上是硕士研究生,90%以上是本科毕业生。吴健在采访中表示,紫光云在天津的高效运转离不开滨海新区良好的人才政策和产业环境。天津滨海新区在项目落地、人才引进、资金投入等多个方面给予企业高质量的服务,为紫光云在津发展吃了一颗“定心丸”。
紫光云总裁兼CEO 吴健
在助力天津市政府重点打造智能化解决方案的策源地和生产地方面,紫光云也发挥着重要作用。截至目前,紫光云已经在全国建设了3个云服务节点,其中天津就是紫光云重点打造的一个标杆性云服务项目。据了解,紫光云正在构建滨海新区的“数字大脑”——“智慧滨海”云平台。该项目作为推进智慧滨海建设的重要一环,将实现政府各部门的数据共享,全面提升区域社会管理的精细化和智能化水平。
吴健指出,“目前紫光云在全国市场的推进十分快速,已经在多地进行云计算项目的建设及运营,一方面紫光云将在基础架构研发上发力,另一方面则将在城市和行业中打造“数字大脑”。未来只需在手机上动动手指,个人和企业就可以足不出户办理相关手续和审批事宜。”
作为紫光集团“芯云战略”的重要组成部分,紫光云公司成立一年来,积极拓展产品版图,不断强化产品创新力,致力于以最新的架构、最新的设备、最先进的技术、最新的理念打造心中最好的云。2019年紫光云将聚焦于工业、水务和住建三个行业深度发展,并在目前全国3个核心节点+20个城市节点的基础上持续发力,形成对标主流公有云服务商的云基础服务产品与技术架构,全面发力打造天津、重庆、苏州、连云港、武汉、沈阳6个城市根据地,形成面向政务、工业、智慧城市、水务的行业云能力。
紫光云将以“百城百业”为目标,依托集团优势,聚焦云计算与数据服务领域,采用“一多三统一”策略,通过紫光工业云、城市云最佳实践与快速推进,为国家建立安全稳定的云服务体系,进一步推动紫光云生态伙伴计划和百城百业计划,建设覆盖全国的云基础设施网络,其中包括南京、苏州、连云港、郑州、沈阳、天津、武汉、广州、东莞、昆明、拉萨等全国数十个智慧城市的建设与运营。
作为可信赖的数字化合伙人,紫光云将以成为中国领先的云服务提供商为目标,继续围绕云计算而生的新技术,联合广大合作伙伴与用户共同推进京津冀地区协同发展,为天津市智能化建设提供有力支撑!
好文章,需要你的鼓励
这项研究探索了语言神经元视角下多语言对齐如何增强大语言模型(LLMs)的多语言能力。研究团队提出了一种更精细的神经元识别算法,将激活神经元分为语言特定、语言相关和语言无关三类,克服了现有方法的局限性。基于这种分类,研究将LLMs多语言处理过程划分为四个阶段:多语言理解、共享语义空间推理、多语言输出空间转换和词汇空间输出。通过分析对齐前后不同类型神经元的变化,发现多语言对齐促进了更多语言相关神经元的共享使用,减少了对语言特定神经元的依赖,这也解释了"自发多语言对齐"现象。
这项由弗吉尼亚大学与Adobe研究院合作的研究突破了传统图像到视频生成的空间限制,提出了"Frame In-N-Out"技术,使物体可以自然地离开画面或新物体能够进入画面。研究团队创建了专门的数据集和评估方法,并设计了一种融合运动控制、身份参考和无边界画布的扩散变换器架构。实验结果表明,该方法在生成质量和控制精度上显著优于现有技术,为电影制作和创意内容创作提供了新可能。
浙江大学研究团队开发了首个评估视觉语言模型多视角空间定位能力的综合基准ViewSpatial-Bench,并揭示了现有模型在视角转换理解上的严重缺陷。通过自动化3D标注流水线构建的大规模数据集,他们训练出的多视角空间模型(MVSM)实现了46.24%的性能提升,为人机空间交互提供了新的解决方案,使AI系统能更好地理解人类视角下的空间关系,促进更直观的人机交流。
ByteDance团队提出的DetailFlow是一种创新的图像生成方法,通过"下一细节预测"策略实现从粗到细的自回归生成。它将图像编码为仅需128个令牌的1D序列,比传统方法少5倍,却实现了更高质量(2.96 gFID)和更快速度(提速约8倍)。该方法巧妙地模拟人类创作过程:先勾勒整体结构,再逐步添加细节,并通过自我纠错机制解决并行推理中的错误累积问题,为高分辨率图像生成提供了高效解决方案。