至顶网网络与安全频道 08月14日 综合消息:新基建的推进为传统产业的智能化升级和新兴产业的发展带来巨大机遇,推动智能经济加速到来。在8月14日举行的第八届中国电子信息博览会(CITE2020)开幕式论坛上,紫光股份旗下新华三集团联席总裁兼首席技术官尤学军发表《持续创新培育核心能力 技术创新赋能新基建》的主题演讲,深入探讨新基建时代下的发展机遇,分享紫光集团与新华三的技术战略布局和推动客户数字化转型的创新实践。
新华三集团联席总裁、首席技术官尤学军出席
第八届中国电子信息博览会开幕式
六大创新构建“新基建”的主要抓手
如今,5G应用蓄势待发,AI前景不可限量,迭代革新的数字化技术,让危机和转机相伴而存,而“新基建”战略的提出更是让“疫”后的经济重建迎来了相当重大的发展机遇。“新基建”已成为新型智慧城市建设新引擎和我国数字经济发展的关键要素。
尤学军发表《持续创新培育核心能力》的主题演讲
尤学军指出,传统基建的最大价值体现在对人、物、能源流的服务,而“新基建”则通过数据流为“老基建”融入了更强的智能能力,提升了管理、运营和使用效率。而智能能力需要更高效数据的采集、传输、处理及应用,来激发新的应用场景,从而充分利用新基建并达成最大价值的发挥,最终服务于智能实现。因此,“数据流”是实现智能服务的关键,也是经济发展的新要素。
“新基建的主要抓手就是数字化与智能化,只有依托数字化平台,才能助力百行百业实现业务的数字化转型”。尤学军表示,为了抓住“新基建”时代的发展机遇,新华三集团提出了智能基础设施、智能云平台、智能安全、智能运维、智能数据平台、智能算法等六大创新技术能力,实现算力的按需调度、数据的顺畅流淌、算法的敏捷高效。
持续创新数字大脑,赋能“新基建”
工欲善其事,必先利其器。2020年,新华三提出了“AI in ALL”智能战略,通过让自身的产品和解决方案更具智能,助力客户的业务与运营更具智能,从而更好地帮助客户实现数字化转型,抓住新基建的机遇。数字大脑计划2020则以数字基础设施、云与智能平台、主动安全、统一运维构成的智能数字平台为基础,与生态合作伙伴开展智慧应用的创新,形成了新华三独有的数字化解决方案能力,为百行百业客户打造属于他们自己的数字大脑。
在2019年,新华三已为1806个客户部署了数字大脑解决方案,帮助客户显著提升了业务效率,降低了业务及运维成本,加速其数字化转型进程。
在智慧城市领域,新华三携手紫光云公司为连云港建设了“四平台+三中心”的城市新蓝图,实现“秒办、指尖办、24小时不打烊”的新型政务服务模式,利用大数据极大的提升了政府办事效率。
在智慧金融领域,新华三与浙江农信联合打造了“浙江农信行社云”,服务全省81家农村合作金融机构,极大的提升了IT资源利用率,成本降低80%以上,运营效率提升5倍以上。
在智慧医疗领域,新华三云数智融合能力帮助华西医院实现数据互通、业务融合创新,实现9个中大型科研系统统一接入,科研效率提升5倍,AI技术应用于肺癌早筛,CT查阅和分析时间由10分钟缩短至5秒内,效率提升近200倍。
在智慧交通领域,新华三助力收费公路的制度改革,利用车牌识别设备取消省界收费站,识别准确率达99.64%,实现全网端点运行状态统一监控,全网资产快速盘查。
如今,大力推动科技创新已经成为国家和企业的共识,这是我国企业实现弯道超车,具备可持续发展和强大竞争力的关键。为了持续赋能“新基建”,新华三集团将坚持智能战略,将智能化全面贯穿于自身的产品与解决方案,及客户的业务与运营中,培育芯片、5G、混合云和边缘计算等方面领先的核心技术能力,进一步引领和驱动科技与产业发生“智变”,推动数字经济高质量发展。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。