走在今天萧山的街头,非机动车的摆放井然有序,道路交通的运转畅行无阻,干净、整洁、高效,这些已经成为了外来访客形容杭州萧山城市风貌的关键词。但是,对于工作和居住在萧山的常住居民而言,真正让他们满意的变化远不止发生在街头巷尾,而是存在于生活和工作场景的每一个侧面。
近年来,萧山区以数字化改革为牵引,驱动制度重塑、加速产业变革、提升城市治理,成为了杭州新一代的“硬核科技策源地”。通过“城市数字大脑”的部署,萧山拥有了属于自己的“感官”和“中枢”,通过数据的提炼和洞察,打造了更通畅的交通、更安全的社区、更怡人的环境。
2021年,面对浙江省在新发展阶段全面推进数字化改革,加快建设“数字浙江”的新机遇,紫光股份旗下新华三集团与萧山区一道,探索数字化技术赋能城市和产业发展,打造全球创新“高地”的新方式。其中,新华三集团与萧山区共同打造的AI开放平台,显著推动了智能技术在城市治理中的应用,让各职能部门共享数字化成果,推动萧山区迈向了智慧城市发展的新高度,为城市转型塑造一个值得参照的典范样本。萧山区AI开放平台更是以领先的技术创新和突出的数据价值,成功入选了“人工智能创新应用优秀案例”,展现了萧山区在数字化时代的思考和实践。
数字化创新,绘制美好生活新图景
萧山区乃至整个杭州的智慧城市建设最主要的抓手就是城市大脑建设,其中萧山是杭州城市大脑的策源创新地。2016年5月,萧山区主动担当迈出了杭州城市大脑的第一步——治堵:在交通领域,实现为萧山区1000平方公里以内的所有救护车、消防车等特殊车辆一键护航,通过智能信号灯和AI算法,提前30-40秒锁定绿灯,为生命留出宝贵的时间。经过四年时间的实践检验,萧山区针对特殊车辆的控灯率达到95%以上,120、119等车辆平均提速50%。这一技术使得杭州成为第一座救护车不需要闯红灯的城市。
如今,基于数字化技术在智慧城市中的应用,萧山区正在更大的维度上践行“城市会思考、生活更美好”的愿景和目标。在城市管理上,以视觉中枢平台快速开发和部署各类AI算法,精准识别出道路积水、占道经营等问题,让城市的未来更美好;在环境治理上,视觉算法同样能支持河道漂浮物监控,垃圾倾倒、车辆灰尘管控等场景的智能巡查,守卫萧山的生态和环境;在街道和社区管理上,城市大脑还能基于海量的城市人口数据,帮助社区做好流动人口的管理,让来到萧山的人感受到这座城市的关怀和温度。
杭州市萧山区政府办党组成员、区大数据管理服务中心主任章建平表示,萧山区数字化创新紧盯两个维度:一个维度叫城市会思考,让政府部门在治理城市的过程中更智慧;另外一个维度是生活更美好,努力实现便民、惠民,让居民拥有获得感。萧山区仍在不断进行更多的探索和努力,并将会致力于提供萧山方案,输出萧山经验,助力杭州打造“数字经济第一城”和“数字治理第一城”。
激活数据价值,新华三助力萧山打造AI开放平台
强大的智慧应用和业务创新背后,必然是突破性技术创新和更强大的智能平台。新华三集团参与打造的萧山城市大脑AI开放平台,在目前已建成的区县级城市大脑中属首创,具有技术创新、开放兼容、降本增效、统一资源等创新之处。通过广泛汇聚城市中的图像和视频数据,AI开放平台能够通过云计算、大数据、AI等先进技术的深度融合,构建统一的视觉中枢处理平台,以云化的整体架构,逐步打破各部门之间的数据壁垒,建设数据采集、汇聚、分析、应用全方位管控的综合化应用平台。同时,AI开放平台还可以赋能算法创新,构建一个从需求、开发、训练到应用的闭环架构,快速响应城市各类行业与场景对算法的创新需求。
立足于统一平台和强大的算法开发能力,AI开放平台为萧山区的智慧城市构建了一个创新的生态底座。其中,软件和硬件解耦让数据底座能共享共用,算法与平台解耦让应用满足实际场景需求,应用与数据的解耦则显著促进了数据的流转和融合,这三方面的创新,让数据突破了数字化平台的既往边界,能在政府内部和外部的融合流转中激活新的价值,全面赋能城市各类场景的智能化变革。
在过去的数十年里,数字经济的创新活力,让萧山成为了产业转型和人才集聚的新高地。迈进“十四五”,在浙江全面推进数字化改革,打造“数字浙江”的宏伟愿景之下,数字化发展仍旧是萧山创新和发展的关键。作为生于浙江、扎根浙江的数字化企业,新华三集团也将立足“数字大脑”,推动萧山实现数字产业化和产业化的协同发展,让更多创新技术走进行业场景,推动百行百业数字化转型和变革。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。