从耸入云端的玉龙雪山,到风光奇特的西双版纳,被誉为“彩云之南”的云南,从来都以瑰丽神秘的自然风光、悠久璀璨的民族文化吸引着来自世界的游客。尽管拥有富足的自然和人文资源,但今日的云南从未沉浸在自然的馈赠中,而是通过积极主动地拥抱数字化创新,让“彩云之南”成为“数字云南”,给云南人的生活带来了实实在在的幸福感。
在数字化为云南带来的多重变化中,教育是不容忽视的重要部分。在大理,作为全国首批成立的应用技术大学之一,滇西应用技术大学正努力将自身打造成云南乃至西部地区具有国际竞争力、特色鲜明的高水平应用技术大学,为云南经济社会发展培育急需的高层次技术人才。
而在数字化时代,一所高水平大学的建设自然也离不开智慧校园的创新和应用。为了让数字化赋能智慧教育的创新,提升学校的办学质量和水平,滇西应用技术大学正与紫光股份旗下新华三集团合作,携手推进智慧校园整体架构的建设和完善,推动校园信息化建设迈上了一个新台阶,更为云南乃至全国的智慧校园转型,塑造了一个值得借鉴和参观的样板。
数字化,让改变在校园里发生
尽管滇西应用技术大学是一所在2015年成立的“年轻”学府,但对于数字化创新却已经有了很长一段时间的探索和尝试。2017年,学校成立了总务部,承担起了学校基础建设及智慧校园体系建设的重任。在2020年,总务部经过调整,升级为“智慧校园建设与服务中心”,为系统性推进智慧校园的前瞻部署提供了组织基础。
在智慧校园建设与服务中心的推动下,数字化技术彻底改变了人们印象中传统的教学模式和生活方式。在今天的滇西应用技术大学,校园大数据平台承载起了奖学金、助学金等项目的管理工作,搭建起了新生信息、考试成绩查询等多个业务系统,学生们可以在校园统一服务中心感受更方便、更智能的服务,也能在云桌面里感受智慧教育的价值。
同时,数字化带来的改变不止发生在师生的日常教学和生活里,也发生在“看不到”的地方。例如,在校园管理上,学校以智能运维简化了网络管理,提升稳定性的同时减少了人力投入,云桌面等创新技术也极大程度上改变了IT设备的管理和维护模式,显著提升了学校管理者的体验和效率。
以“数字大脑”为基石,打造智慧校园转型样板
滇西应用技术大学发生的变化,源自数字化平台打通了信息孤岛,让数据能够在校园内自由流动、共享共治。新华三集团深度参与了校园数字化平台的建设,完成了三大中心、四大平台以及相应业务系统的建设,让应用创新引擎赋能科研创新和智慧园区建设,为不同场景提供了丰富的数字化工具,形成了具有区域教育特色优势的数字化平台,有力支撑智慧应用在校园内的部署。
其中,新华三集团以高效可靠的网络设备配合在SDN等方面的创新实力,为滇西应用技术大学打造了一张高效、灵活的校园网,成为了数据流动和共享的基础;超融合搭配云桌面实现了算力资源的弹性扩展,给师生带来了高效、便捷的教学和科研体验;以强大算力为支撑的大数据平台,更为师生和科研工作提供了多源数据处理分析能力;此外,新华三也用一体化防护体系有力保障了校园内的安全,让智慧校园的创新更有底气。
通过环境、资源到教学、服务、办公应用等数字化实践,新华三集团在传统校园基础上构建了数字空间,拓展校园的时间和空间维度,提升了传统校园的运行效率,扩展了业务功能,实现教育过程的全面数字化布局。
目前,滇西应用技术大学作为西部地区智慧校园创新的典范,已经接待了众多批次的客户参观考察。而在校园之外,新华三集团的数字化创新已经深入到云南百行百业的转型和重塑中,在“数字云南”的布局中起到了举足轻重的作用。未来,面向“十四五”规划的深入推进,新华三也将继续立足“数字大脑”,广泛服务于云南数字产业化和产业数字化的协同发展,打造“数字中国”落地和实践的“云南样本”,助力当地数字经济加速发展。

好文章,需要你的鼓励
无人机食品配送服务商Flytrex与全球知名披萨连锁品牌Little Caesars宣布合作,推出全新Sky2无人机,最大载重达4公斤,可一次配送两个大披萨及饮料,满足全家用餐需求。Sky2支持最远6.4公里的配送范围,平均从起飞到送达仅需4.5分钟。首个试点门店已在德克萨斯州怀利市上线,并实现与Little Caesars订单系统的直接集成。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
法国社会住房项目ViliaSprint?已正式完工,成为欧洲最大的3D打印多户住宅建筑,共12套公寓,建筑面积800平方米。项目由PERI 3D Construction使用COBOD BOD2打印机完成,整体工期较传统建造缩短3个月,实际打印仅用34天(原计划50天),现场操作人员从6人减至3人,建筑废料率从10%降至5%。建筑采用可打印混凝土,集成光伏板及热泵系统,能源自给率约达60%。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。