12月14日下午,由南方财经全媒体集团主办,21世纪经济报道承办的“南方财经国际论坛2022年中国上市公司年会”以线上直播的方式举行。
会上,山石网科董事长兼CEO罗东平发表了题为《以远见超越未见——网络安全的新共识、新科技、新未来》的主题演讲。
“作为从事网络安全行业十余年的资深从业者,山石网科更能体会‘安全感’的重要性和深远意义”,罗东平从“新共识、新科技、新未来”三个方向出发,分享了其对数字经济高质量可持续发展的见解。
罗东平指出,“第一,高质量的可持续数字化发展,要建立新的共识”。
在推进数字经济与实体经济深度融合的过程中,“可持续安全发展观”是业界必须建立的新共识。在企业数字化转型过程中,应该明确数字化的目的,不是数字化本身,而是为了通过可持续的运营,保障企业的业务战略落地。
山石网科从2019年就提出可持续安全理念,一直贯彻至今,目标就是坚持科创驱动,通过安全价值与业务价值的融合,助力数字经济的高质量可持续发展。
罗东平进一步指出,“第二,高质量的可持续数字化发展,要拥有新的科技”。
网络安全国产化势在必行,在此背景下,山石迅速启动了国产信息安全专用芯片的快速研发。
目前,山石网科的先导产品基于FPGA芯片的高端防火墙已于2022年5月如期发布,公司也将持续稳定地推进ASIC芯片的后续重点研发工作。
除了自研安全专用芯片,山石网科还重点布局了自己的国产化体系建设:从国产芯片、到国产操作系统、再到软硬研发一体化的技术优势,山石和信创领域核心生态伙伴麒麟、兆芯、飞腾、海光、龙芯、统信等深入合作,积极参与生态合作和进行产品适配。
截至目前,山石网科已成功发布24款国产化安全产品,包括国产化防火墙、国产化入侵防御系统、国产化Web应用防火墙,国产化应用交付系统。山石网科信创系列产品已广泛部署在用户的网络边界、数据中心以及业务服务器前端,广泛应用于政府、金融、教育、医疗、能源、互联网等行业。
罗东平也提到,“第三,高质量的可持续数字化发展,要构建新的未来”。
一个值得关注的行业背景是,2022年1月,国务院印发的《“十四五”数字经济发展规划》,提出了到2025年,数字经济核心产业增加值占国内生产总值比重达到10%,数据要素市场体系初步建立等目标。
罗东平提到,“数据,将成为战略性资源,成为新生产要素、新的力量和未来。而要想发挥数据的作用和价值,让数据成为经济发展新的动能,数据的安全性就成了重中之重”。
以工业互联网为例,罗东平提到,“工业互联网领域中数据的开放、流动、共享,都使得数据隐私保护面临诸多挑战和复杂多变的安全风险”。
在此背景下,山石网科于2021年正式进军工业互联网领域,为工业企业围绕工业互联网平台、网络、数据、主机、接入等方面构建整体安全防护保障体系。目前公司已发布工业互联网防火墙、工业网闸、工控安全监测审计系统等相关产品,未来将进一步加大在该领域的研发投入。
“以远见超越未见,这句话虽然听起来更像是一个美好的理想,但如果我们有足够的耐心、足够的视野、足够的谋略和方法,也许就能穿越眼前不确定的迷雾,通过活出自己的确定性看到未来”,罗东平表示,“山石网科期待,用技术创新持续护航数字经济发展,助力建设一个高质量的可持续发展的数字化新未来”。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。