2020年以来,为应对疫情冲击带来的经济下行的不利影响,中央要求加快推进新型基础设施建设,并明确了新基建的分类与建设方向。在过去四个月以来,我们已经深刻体会到了由电子商务、远程办公、远程医疗、在线教育、无人技术、机器人、健康码等基于新型基础设施建设的应用和服务,在新冠防控的工作中所展现出的巨大潜力,而其背后的数字化、智能化建设,更加令人期待。
为贯彻落实中央推动基础设施高质量发展的决策部署,5月28日上午,“成都高新区新基建项目发布会(第一批)”在成都高新区网络理政中心正式举行。包括新华三集团在内的一批国内知名龙头企业参加了发布会。会上正式发布了《成都高新区关于聚力新基建培育新动能的实施意见》,全文共计36条,系统布局了成都高新区在新基建方面的工作。
成都高新区新基建项目(第一批)震撼首发
成都高新区此次发布首批34个新基建项目总投资近180亿元。按照国家新基建项目分类,包括智慧无线政务专网、智慧大脑基础设施、物联网安全公共服务平台等信息基础设施6个,项目总投资近35亿元;智慧政务服务中心、“智慧应急”平台、"5G+AI"智能物联健康服务管理平台、智慧地下环廊、汽车充电桩、成都5G智慧城智能驾驶、成都高新数智综保区、智慧社区等融合基础设施13个,项目总投资27亿余元;5G互联科创园、智慧医疗医学中心、人工智能创新中心、成都天府国际生物城加速器、国家精准医学产业创新中心、四川省人工智能研究院等创新基础设施15个,项目总投资超111亿元。
新华三集团作为成都高新区的长期合作伙伴,在近三年时间中陆续落地5G、人工智能、云计算、半导体技术等方面的重要项目,充分展现了新华三助力成都高新区建设的力度和决心。另外,为推进成都高新区智慧治理体系和治理能力的现代化,建设国际一流的智慧城市。新华三在2019年为其打造了务实高效的城市数字大脑,构建了完善的数据资源体系、高质量智慧治理中心和“守信通”平台,此次发布会举办地成都高新区网络理政中心也是由新华三助力打造。
高新区智慧治理中心的核心理念是一个“用”字,坚持以业务问题为导向,以不动产数据为城市数字模型底座,以4亿9千万条政务数据为基础,以经济运行、应急指挥和重大项目等应用场景为牵引,追求务实高效。更值得一提的是,在突如其来的疫情面前,网络理政作为政府面向企业和群众的最主要的桥梁,直接体现出群众满意度和政府办理效率。为此新华三集团通过与成都高新区网络理政中心的合作,利用建立起的3DGIS可视化平台,为成都市政府对疫情防控工作的及时有效管控提供了极为有力的技术保障。
紫光集团联席总裁兼新华三集团首席执行官于英涛在大会中发言
紫光集团联席总裁兼新华三集团首席执行官于英涛在大会发言中表示,在这个宏观环境复杂,充满挑战的关键时期,成都高新区以新基建为契机,外引内扶,加速推进智慧城市建设,加快数字政府转型,这一发展战略非常值得肯定。新华三将充分利用自身在ICT基础设施与数字化解决方案方面的专业优势,联合紫光集团的力量,加强技术投入,积极助力成都高新区的新基建战略,共同打造世界一流的、可持续发展的、拥有全国顶尖“国际化产业和政府数字治理能力”的智慧城市!
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。