“未来的城市形态,是绿色智能、自我进化的超级‘智慧体’。” “我们把智慧城市的3.0打上了一个绿色的加号,希望绿色的技术、绿色的能源能够赋能我们智慧城市的3.0,联想要打造“新IT”+绿色能源的绿色智城解决方案。”
9月8日,在2021联想创新科技大会智慧城市分论坛上,联想集团副总裁、中国区服务业务群总经理戴炜发表上述观点,并发布了《联想绿色智城解决方案》,为“双碳”战略下的智慧城市建设提供了联想思路。
智慧城市发展新范式:“新IT”+“绿色能源”
碳达峰、碳中和是一场广泛而深刻的经济社会系统性变革,中国减排承诺既是中国实现社会主义现代化的挑战,也是推动中国高质量发展和经济社会发展全面绿色转型的抓手。
在戴炜看来,城市是减排的重中之重,“70%以上的碳排放来自于城市,因而城市成为实现“双碳”目标的最大应用场景,城市碳减排也是实现《巴黎协定》目标的核心。”
他指出,如今,智慧城市的发展已经从单点突破的1.0模式发展到将产业、城市、人融合的协同综合治理3.0模式。而随着国家“双碳”战略的落地,智慧城市建设进入到3.0+时代的绿色低碳发展新阶段。
城市是碳排放的主要来源,也是能源消费的主体,我国约85%的能源消耗来自城市,随着城市化率持续提高,城市能源消费量还将进一步增长。城市要减碳,能源必须要绿色化和智慧化。因此,戴炜提出,智慧城市将以“新IT”+“绿色能源”为主线。
绿色智城解决方案:三场景、双架构、一平台
《联想绿色智城解决方案》将是以怎样的思路来建设绿色智慧城市?戴炜把它归纳为“三、二、一”,即“三大场景、双架构、一平台”。
场景层面,方案将聚焦在绿色智慧园区、绿色智慧交通和绿色基础设施三个场景。园区场景包含了产业园区、生活社区和校园等园区。联想将通过园区智慧能耗管理和园区里的光伏等绿色能源的应用,打造低碳甚至零碳的园区。在交通场景,联想将以车联网为核心优化道路管理,减少拥堵,将碳排放纳入到交通管理平台,同时建设新能源交通设施,推动交通绿色能源应用。在城市基础设施场景,联想将对大型耗能基础设施进行绿色升级,同时建设新型绿色能源基础设施,对传统能源进行逐步替代。
架构层面,联想将对城市“端边云网智”智能技术架构与城市“源网荷储控”绿色能源架构在从感知层到Pass层、智能方案都进行了充分的融合。
平台层面,联想将用一个灵活、开放的“城市智慧魔方”运营平台帮助城市帮助城市的管理者统一的规划碳排放的配比,追踪碳轨迹,评估碳的强度,以及监控碳排放的程度,建设绿色智慧城市。
此次联想创新科技大会上,联想发布了全新服务品牌联想TruScale服务,通过一站式和订阅式两种交付模式,让客户更简单的获取定制化服务。未来,联想也将继续发挥“擎天”智能IT引擎优势,赋能客户数字化、智能化转型,将传统IT架构进化为具备中台化、AI智能化和云原生三大特征的新IT架构,催生绿色智慧城市发展动能。
正如国际欧亚科学院院士、住房和城乡建设部原副部长、中国城市科学研究会理事长仇保兴等权威专家在论坛上分享的观点:像联想这样的“新IT”科技企业积累了很多的技术元素和数据应用优势,现在进一步推动绿色智慧城市的时候,要以持续服务的思维、开放引领新潮流的定位,将技术和生活,将科技和城市的建设与发展相互融合起来,这样企业自身是大有可为,能够在绿色智慧城市当中作出一个又一个“双碳小岗村”。
戴炜表示,将“新IT“技术和绿色能源技术充分融合进智慧城市建设,是联想践行企业社会责任、推动可持续发展很重要的一步;也是联想从设备制造商向服务和解决方案的服务提供商去转变、以“新IT”技术推动行业和社会的智能化转型战略的落地实践。未来,联想将以长期主义践行企业社会责任,持续以“新IT“助力行业和社会的智能化转型,同时助力行业加速实现绿色低碳转型发展,迈上“十四五”时期高质量发展之路。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。