5月17日,中国天津。华为云带来了城市智能化解决方案,面向全球介绍了“华为云城市智能体”如何助力天津城市数字化建设,开启智慧新生活。
华为云EI服务产品部总经理贾永利介绍华为云城市智能体
让AI赋能城市数字化生态建设
当前,社会经济水平快速提升,人们的生产、生活方式都发生了极大的变化,城市可持续发展也面临着诸多挑战,例如交通拥堵、污染加剧、资源紧张、服务效率低下、产业变革滞后,这些都成为制约城市发展的因素。然而,随着人工智能、云计算、大数据、物联网等新兴技术的发展愈发深化,城市发展迎来了新一轮的变革契机。华为云介绍,立足于城市治理、民生服务和产业发展三大方面,AI技术的加持可以为城市发展注入新的动能,让城市焕发新的生机。
从2017年底开始,华为相继与天津滨海新区、天津生态城签署战略合作协议,共同开展智慧城市生态建设。华为云介绍,完善的数字化基础与KPI体系是构建智慧城市的良好基础。
今年,华为云深度参与天津生态城智慧城市建设。在对生态城最近半年的交通数据进行综合分析的基础上,华为云城市智能体通过AI算法选取了以往通行效率较低的关键路口作为首批试点。在大数据、物联网、边缘计算等技术的协同下,通过感知交通流量和排队长度,能依据即时交通状况对信号灯进行调整和调度,实现了从“车看灯,读秒数通行”到“灯看车,按车数放行”的提升和转变。
与此同时,随着试点路口信号灯自动配时系统的不断完善,天津生态城有望在全域范围内逐步推广。借助华为云AI、大数据、物联网、边缘计算等技术,生态城将进一步综合过车数量、过车速度、车辆排队长度等数据,形成“智能化指挥体系”,实现交通流量最大化。
华为云城市智能体开启智慧新生活
在去年10月华为全联接大会上,华为云正式发布城市智能体。针对城市场景,华为云城市智能体在数字孪生的基础上,通过AI协同云、大数据、边缘计算、物联网等多种技术,解决物理世界的难题,驱动物理世界更加智能。目前,包括天津生态城的交通领域在内,华为云城市智能体还在应急、环保、水务、水利、燃气等场景持续展开探索。
此外,贾永利再次详细介绍了华为云城市智能体如何运用AI技术为城市数字化建设赋能——具体来说分为六大方面:AI以人为本,华为云城市智能体以用户体验为驱动,让用户可参与、可感知,同时让AI推理过程透明开放,与行业专家互补,构建AI与人相互信任的合作模式;AI无处不在,华为云城市智能体基于包括AI芯片、AI开发平台、AI服务在内的全栈AI解决方案,通过端、边、云协同,实现5倍性能提升、30倍带宽节省、6MB极致容器引擎以及10M联接数;AI永远在线,华为云城市智能体在实时服务方面可以发觉并应急处理城市隐患,在运维管理方面可以不断更新AI模型、大面积升级服务,在体验升级方面创新的联接技术也能不断提升服务体验;AI易于扩展,华为云城市智能体实现云上集成,AI池化与服务化,在各大行业的细分领域与场景实现智能互补扩展;AI持续进化,华为云城市智能体通过学习海量数据与专家经验,不断进行进化与自我完善,创造社会价值与商业价值;AI落地分步实施,华为云城市智能体通过AI实时感知交通数据,继而进行城市交通分析诊断,最终实现全自动信号灯调优。
不到一年,华为云城市智能体已经在城市数字化的各个方面展开有效的落地实践。接下来,华为云城市智能体还将继续围绕“1+3+N”的领先的体系架构——打造1个智慧城市运营中心,包括居民积分与认证平台、数字时空网聚合平台、城市生命线物联平台在内的3个平台,以及覆盖智慧交通、智慧生活、智慧园区、智慧管理、智慧旅游等在内N项应用——推动全面智能化升级,助力天津城市可持续发展。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。