数字经济时代,在物联网、工业互联网高速发展背景下,着力于网络安全技术创新的北京六方云信息技术有限公司(简称:六方云)近期完成C1轮2亿元融资,本轮融资由北京创新产业投资有限公司(简称:北创投)领投,德厚投资跟投,云岫资本担任本轮融资的独家财务顾问。公司成立近五年以来,六方云以每年一次融资的频次高速发展,受到众多投资方的青睐。
此轮融资领投方北创投,是北京国资系统内的市场化创新投资平台,投资主体为旗下管理的由国家科技部和北京市科创基金共同发起设立的科技成果转化基金,重点投资于拥有关键核心技术、自主知识产权、科技成果转移转化的初创期和成长期创新型科技企业,长期关注高端装备制造领域,大数据及新一代信息技术,新材料等符合国家及北京市重点支持发展的高科技领域。
此轮融资跟投机构德厚投资长期在智慧互联领域耕耘积淀,是宇信科技和药物开发平台成都先导等企业的投资者,由具有深厚成功的投资经验、独特投资理念的专业团队组成。
在新发展阶段,北创投和德厚投资入资网络安全赛道的六方云受到业界的广泛关注。
六方云创始人兼董事长任增强表示,“在数字经济时代,物联网和工业互联网具有广阔的发展空间和应用前景,并进入高速发展的快车道,由此产生的网络安全问题也受到空前的关注。六方云致力于提供关键信息基础设施保护,工业互联网安全的产品和解决方案。在业界各方的帮助和支持下,六方云将全力为推进我国网络强国的总体战略做出积极贡献,为国家网络强国战略的顺利实施提供安全保障。本轮资本入股,将有助于推动六方云在下一阶段的发展和增长。非常感谢投资机构认同六方云的战略方向和发展潜力,并对我们充满信心。”
六方云将把本轮融资主要用于核心技术及产品上下游产业布局、市场拓展、人才队伍和平台建设等。
六方云成立于2018年,是一家在人工智能、工业控制安全、网络安全、云计算、大数据等新技术被广泛应用的“新时代”背景下应运而生的技术领先的“新安全”公司。六方云关注关键信息基础设施保护、工业互联网安全新生态,是国内第一家将人工智能技术植入到关键信息基础设施保护、工业互联网安全中的企业,借助“全融合、全AI、全覆盖”的5+1+1安全产品,为关基和工业客户提供云边端协同的一专、一全、一强的端到端安全方案,帮助客户构建拥有类似于人体免疫系统的安全防护系统,实现“识别、防护、检测、响应、预警、处置”的全过程、全天候,全方位的网络安全防护,建立“可信连接、智能防护、安全互动 ”的主动防御体系。
六方云创始人团队主要来自于联想、华为等知名企业,董事长任增强是网络安全行业老兵,曾在十一年的时间里创立两家有代表性的网络安全公司(联想网御、网神)。总裁李江力,早年加盟联想研究院信息安全研究室,后任联想网御副总裁、匡恩网络CTO。首席技术官王智民曾在华为任职多年,后加入联想网御担任新技术研究所所长、汉柏科技CTO。首席营销官马宁曾任职联想多年,担任联想企业级业务负责人。创始团队深知所有成功都源于累积,在前进的道路上重视人才培养和技术产品自主创新。
六方云成立至今,连续保持每年100%的高速增长,在产品技术、销售市场、生态合作等方面表现优异,为轨道交通、电力、石油石化、公共服务、水利、智能制造等重要行业客户提供优质的产品、解决方案和安全服务。是目前业界技术领先、发展最快的网络安全公司。
六方云在企业不断发展壮大的过程中,一路锐意创新,开拓进取,追求卓越。坚持不断提升内部技术和产品自主创新,以服务用户为导向,深扎行业,了解行业里的网络安全问题、痛点,针对性的提出解决办法,重视应用落地。凝聚从上到下的团队精神,将全力在网络安全市场上拼出一条适合于自身发展的自主创新之路。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。