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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。