ZD至顶网网络频道 08月31日 综合消息: 华为历史上规模最大的面向ICT行业的全球生态大会——华为全联接大会(HUAWEI CONNECT 2016)31日在上海开幕,为期三天。来自120多个国家和地区的20000名业界精英,围绕“塑造云时代”主题,共同探讨云时代趋势与洞察,以及各行各业如何通过打造云技术、构筑云生态,积极实现数字化转型。
在此次大会上,华为首次全面阐述了华为云战略定位。华为轮值CEO胡厚崑在大会首场大会演讲中表示,华为的定位,就是成为成为智能社会的使能者与推动者。华为将坚持以客户为中心,聚焦ICT基础设施,做创新的云技术提供者;做企业云化、数字化战略的使能者和优选合作伙伴;秉承开放、合作、共赢的原则,做云生态的积极贡献者。
智能社会,信息通信技术是最重要的基石。终端是万物感知的触角,网络连接万物,云是万物智能的源泉。与此对应的是全面协同的“端、管、云”架构,这也是华为重点投入的战略方向。胡厚崑表示:“5到10年内,将出现各式各样的多场景、自适应的智能终端,人和物都能感知环境,成为智能世界的入口;光缆和无线网络可以提供无处不在的超宽带连接;分布全球而又相互连接的计算机汇聚了海量信息,在云端生成了‘数字大脑’,实时进化,永不衰老,人和机器可以通过连接和终端随时调用其智慧。”
胡厚崑表示,企业是云化的主角,华为就是坚持以客户为中心,深入理解客户需求,用创新的技术去匹配。华为通过统一开放的云架构为客户提供可交付、可运营的混合云解决方案,特别强调了开放性、安全性、企业级的性能以及一站式的特点,恰恰来自于对客户需求深入而的准确把握。另外,华为主张,云生态的构建要基于为客户创造价值的目的,每个参与生态建设者,都应该有自己独特的价值。他也强调,华为不会独自做几朵云,华为要做的是帮助千千万万客户建好千万朵云,积极参与云生态的建设。
“生于云的一代”企业主导了云的1.0时代,颠覆了很多行业。胡厚崑认为,下个十年,将是云的2.0时代,行业云将兴起。到2025年,所有企业信息技术解决方案都会被云化,85%以上企业应用会被部署到云上。每个企业需要结合自身核心业务,探索最适合自己的云化解决方案。他结合华为经验,提出“化云为雨,让云为业务创造价值”的理念和三个实现途径。首先要重塑观念,重新认识ICT的作用,企业要把信息技术从辅助性技术上升为生产技术,大胆利用技术重新设计生产流程;其次,重构人才,掌握以云为基础的信息技术应成为基本技能;最后是小步快跑,用循序渐进的成功建立持久的信心。
“云正在塑造一切,有变革才有重生。对于任何企业来说,云的2.0时代,有变化,才有希望,有行动,才有未来。”他说。
大会期间,华为轮值CEO胡厚崑、徐直军、郭平,英特尔公司首席执行官Brian Krzanich,Infosys首席执行官Vishal Sikka, SAP公司高级副总裁Thomas Saueressig,麻省理工大学斯隆商学院首席研究科学家Andrew McAfee等发表主题演讲。
华为全联接大会是一场生态大会,将在上海世博中心搭建18000平米互动展厅,其中一半用于产业伙伴能力展示,约有80家华为及产业生态系统中的赞助商以及产业组织参展,包括Intel、HGST、SAP、Accenture、Infosys、OpenStack、GSMA等。华为将基于云计算、SDN、大数据等四大关键技术,发布云存储、云服务、SDN统一控制器等八大重量级解决方案,使能政府及公共事业、金融、电信、能源、媒资等九大行业客户的数字化转型之路。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。