本次“智慧新益阳、汇聚新动能”智慧城市峰会分论坛以“移动应用”为主题,共计120多位来自全国各地相关部门和业界专业人士参与了本次论坛,重点探讨了移动应用如何在公共安全、政府管理、百姓民生和产业发展等城市活动中发挥重要作用,助力智慧城市建设。
益阳市人民政府副市长毛知兵,华为技术有限公司高级副总裁邓飚,B-TrunC产业联盟秘书长辛伟,山东省高青县大数据局局长赵新国,苏州广立信息技术有限公司执行董事潘学林,华为数字政府行业解决方案总工欧永平等出席本次论坛并发表演讲。围绕“移动应用构筑智慧城市”,大家从不同视角分享了移动应用助力城市建设、社会进步、人民生活等领域多年的思考与心得,给在场嘉宾带来了一场全新的思想盛宴。
益阳市人民政府副市长毛知兵先生的致辞拉开了论坛的序幕,毛副市长表示,益阳市正在以新型智慧城市建设为引领,不断推进数字经济发展,加快经济转型升级步伐,朝着新型智慧城市设定的“善政”、“惠民”、“兴业”目标稳步迈进。他相信此次论坛能够帮助智慧益阳建设启迪新思路、探索新模式、发展新业态,促进益阳智慧城市建设更上一个台阶。
随后,华为技术有限公司高级副总裁邓飚先生也发表了致辞演讲。邓总表示,华为公司与益阳市政府携手合作,合力推动新型智慧城市建设,打造全国新型智慧城市。其中宽带专网作为智慧城市的基石,帮助智慧城市构建城市智能体,在公共安全、城市治理、行业发展和人民生活中发挥了重大作用和价值。邓总特别提到,宽带应急专网在重大活动保障中的重要作用,比如在泰国少年足球队救援过程中,宽带专网系统在这种紧急状况下,能够更加有效的开展救援活动,降低伤亡人数。邓总最后表示,华为致力于通过持续的数字技术创新,让越来越多的城市真正的走向智能化,把数字世界带进每个人,每个家庭,每个组织,构建万物互联的智能世界。
2018年11月在巴塞罗那举办的第八届世界智慧城市大会上,山东省高青县智慧城市建设斩获数字化转型大奖。今年2月,在2019世界移动通信大会上高青县又获得了“智慧城市最佳移动创新奖”。山东省高青县大数据局的赵新国局长以《移动应用创新构建高青智慧城市》为主题发表演讲,分享了移动专网在视频监控、政府高效治理、远程医疗、社会综合治理等领域中的价值,并进一步展现了城市物联网应用在善政、惠民、兴业上给城市带来的便利,让大家看到了移动应用在智慧城市建设中的广阔空间。最后,赵新国局长表示,eLTE无线专网在高青已成为政府管理的指挥线,民生服务的保障线,产业发展的生命线,为高青智慧城市建设保驾护航。
随后苏州广立信息技术有限公司执行董事潘学林先生为大家介绍了建设智慧城市中通过标准地址来实现城市数字门牌解决方案,并通过实际的应用案例,展示了数字门牌如何在智慧公安、智慧网格、智慧社区、智慧教育中发挥着重要作用,给在场听众留下了深刻印象。
数字中国、智慧城市的建设聚合了整个产业的力量,从底层终端到数字平台,再到上层的各种应用,宽带集群产业联盟秘书长辛伟先生为大家介绍了宽带集群的标准进展、主要特性和应用场景,重要活动应用案例以及未来演进,他表示,截止到去年8月份,全球已经建成了B-TrunC专网822张,用户总数40万以上,在无线政务、公安以及轨道交通和电力等行业发挥了重要作用。
最后华为数字政府行业解决方案总工欧永平先生给大家展示了移动宽带专网作为智慧城市移动应用使能平台,可以帮助智慧城市实现无所不在的服务和管理,并通过实际案例深入分享了移动宽带专网给公安、交通、城管等领域带来的移动应用价值,再一次明确了移动宽带专网在智慧城市建设中价值和必要性。
随着论坛的圆满落幕,参会嘉宾纷纷表示整个论坛议程让他们收获良多,对华为的智慧城市建设战略、解决方案以及联手合作伙伴推出的各类智慧应用有了更深的认识和了解,希望能与华为携手合作,打造更多各具特色的智慧城市,为城市人民创造更加美好的生活。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。