我们所在的世界,新增了一种吃人的怪物,当它拖着重达几吨的身躯,呼呼呼的在路上狂奔的时候,旁边开私家车的、走路的、骑单车的,都无一不感到胆战心惊,巴不得赶紧躲得远远的,甚至方圆数十米都能感受到它像沙尘暴一样卷土而来。
这种吃人的怪物,就是为现代化建设添砖加瓦功不可没却又让所有人感到害怕的大货车,它还有一个前缀是叫“吃人”。
打开百度,输入“吃人的大货车”,搜索结果足足有155,000个,请注意,每一条结果不再是插科打诨的消遣又或是一条有用无用的知识信息,这里每一条都在昭示着一条生命的逝去。
2010年5月23日凌晨3点,辽宁省阜新市境内铁岭至朝阳高速公路306公里处,一辆半挂货车,因错过出口,掉头后逆行,与一辆卧铺大客车相撞,导致两车起火,造成33人死亡、24人受伤,教训惨痛。事后了解到,半挂货车超载、逆向行驶,大客车严重超员是造成事故后果扩大的原因。
纵览大货车的事故起因,简直是如出一辙,无外乎以下几个:
北京北五环,堪称高科技聚集区的中心,可就是在这样一个小区域里,一个星期连番发生3次“吃人”事件,甚至还有大货车撞人后扬长而去,丝毫不把无辜的生命放在眼里。交通管理失控、事故自动感知和预警、交通数据的分析研判是目前交警部门面临的一大难点。
怎么办?不要指望靠人自身去规范大货车的运行,高科技手段更靠谱。
答案来了。
基于大数据平台的交通集成指挥平台建设方案已在全国迅速铺开,并承担起重要的职责。截止2016年11月中旬,在不到2个月时间合作方案已经先后接到了辽宁、黑龙江、内蒙古、河北等近20个省级或市级交警单位的合作需求。
这朵行业云,来自于交通管理科学研究院和华为的联合开发,交通管理科学研究院在公路交通管理方面丰富的技术经验与实践经验,加上华为云计算、大数据平台FusionInsight等,携手打造的交通集成指挥平台,实现架构的标准化、数据和平台的互联互通,最终业务目标为:
1、构建成全国统一的快速高效的交通应急指挥体系;
2、提高交警执法能力和水平,保证道路畅通安全,规范道路行车秩序,有效防范和减少道路交通事故;
3、实现道路交通状态智能感知、动态交通态势研判发布、交通违法主动干预、机动车缉查布控、突发事件应急处置、警力科学部署指挥等业务管理,构建快速高效交通指挥体系、常态实战的新型勤务机制。
交通集成指挥平台总体架构
交通集成指挥平台的主要功能如下图所示:
有了交通集成指挥平台,不仅可以让违规的大货车无所遁形,还可以通过分析卡口采集的过车数据和全国客运车辆库进行比,准确地分析出凌晨时间非法运营的“红眼客车”,为执法部门惩戒相关的人员提供了决策依据。
交通管理科学研究院之所以选择华为包含云计算、大数据平台FusionInsight在内的行业云解决方案,关键在于华为方案的开放与生态链,譬如华为大数据平台FusionInsight可与标准的Hadoop API对接,在上层支撑各种ISV和应用。
行业云的强大内核来自于:华为分布式云数据中心解决方案SD-DC²。
有关华为数据中心解决方案的更多信息,请访问http://e.huawei.com/cn/solutions/business-needs/data-center/datacenter。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。