至顶网网络与安全频道 07月14日 综合消息:近期,国内智慧城市建设持续加速,多个项目招标落地。近年来,国内云计算大厂华为云在智慧城市领域一路乘风破浪,连续在安徽六安、福州仓山、贵州铜仁、深圳龙岗等地斩获大单。
安徽省六安市“新型智慧城市建设云服务”采购项目标的信息:
福州市仓山区“人工智能云服务”采购项目标的信息:
铜仁市智慧城市云计算服务采购项目中标信息:
深圳市智慧龙岗2.0项目中标信息:
随着全球数字经济的高速扩张,作为数字经济发展的主阵地,城市要如何应用大数据、云计算、人工智能等技术,提升城市治理能力、产业发展潜力,成为国家下一部发展的重要布局。
尤其是年初以来,在疫情的冲击下,数字化发展好的城市往往有更高的复工复产能力和灵活应变能力。而经过一段时间的探索之后,国内诸多城市开始从数字化走向智能化、智慧化,这也是今年以来中央着重强调的“运用信息化让城市变得更‘聪明’”。
多重背景影响下,无论是走在数字化发展前列的北上广深等地区,还是贵州、福建这样的后起之秀,都开始积极寻求智慧化城市建设之道。
对此,华为云根据各地区、各城市的产业类别、实际需求不同,为其量身打造了适配程度高的智慧城市体系。
以安徽六安为例,2020年六安市政府将“加强数字六安建设,打造新型智慧”列入了2020年重点工作。在新型智慧城市建设中,数据的安全、可控是六安规划的重点。
正是基于此,六安选择了目前国内唯一同时拥有数字底座、云服务相关产业链全系列的企业—华为云。华为云提供的智慧城市解决方案所涉及的硬件(服务器、存储、安全)、网络核心芯片(终端、网络、无线)、云操作系统(云平台操作系统、物联网系统、大数据平台)、数据库(大数据平台基础服务、 MPPDB数据库基础服务)等均为自主研发,拥有完全自主知识产权,可确保自主可控。
华为云也凭借着在数据安全上的独特优势,在6月4日成为六安市新型智慧城市建设云服务项目,单一来源方式采购供应商,中标金额高达8550万元!
而在工业产业集中的福州仓山,华为云近几年来通过各类公有云解决方案,帮助诸多工业企业解决了上云难题,成为仓山工业产业区重要的云计算服务协助方。
7月6日,华为云加强了与仓山区的合作,将在基层云服务、人工智能服务、软件开发云服务、物联网服务、数字化办公服务等方面,协助“智慧仓山”的顺利构建。
在数字化发展走在国内前端的深圳龙岗,华为基于人工智能、大数据等技术,为深圳龙岗建设了“智慧龙岗”项目,并与当地政府展开了智慧政务、智慧警务、智慧教育等11项有针对性的业务应用,为龙岗提供了应用落地的解决方案。
除了在深圳、福州这样的沿海发达地区,华为云近几年也在贵州、云南等地颇受欢迎。作为少数民族地区,贵州铜仁在其智慧城市建设伊始,便选择与华为云合作。
华为云的生态合作伙伴遍布全球40多个国家和200多个城市,究其原因除了华为云强大的技术研发能力,还在于华为覆盖全国各省、市、县、区的服务团队,有能力为城市管理者提供全面专业的智慧城市建设咨询。
7月8日,国际数据公司IDC发布了《中国政务云基础架构市场厂商评估MarketScape报告》,报告显示,华为云再次位居中国政务云基础架构市场领导者象限,在市场份额、现有能力、未来战略三个维度均处于领先。
从一线城市深圳到后起之秀铜仁,从沿海经济带到西南经济圈,如何加快智慧城市的建设,已经成为国内各城市领导者的头等挑战。
在国内,华为既有在北京、上海、天津、深圳、苏州等城市的全面建设经验,也有在湖南益阳、安徽黄山、江西鹰潭、甘肃敦煌、山西灵石、河北灵寿等中西部城市的实践。
华为云基于多地智慧城市的建设经验,面向行业推出了工业智能体、交通智能体以及城市智能体,通过AI协同云、大数据、边缘计算、物联网等多种技术,打造了“智水苏州”、深圳“数字之城”、西北目前最大的大数据产业园等优秀案例,为智慧城市构建者提供了诸多可参考优秀模版。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。