至顶网网络频道 05月15日 北京报道:自2018年3月紫光集团正式进军公有云市场以来,紫光云一直以打造一朵“芯云一体、授信安全、场景驱动、混合交付”的云为己任,并持续推动产业转型与升级,致力于成为中国最具产业优势的公共云服务提供商和最值得信赖的数据运营合作伙伴。
经过一年多的发展,紫光云目前已经形成重点面向政企行业客户的业务模式,以公有云平台为支撑,以运营服务为引擎,以生态发展为龙头,深度构建IaaS领域,重点突破行业场景化PaaS能力及构建SaaS生态。在此期间紫光云积极拓展产品版图,发布了包括基础服务、平台服务、产业应用在内的超过12个大类、508项云服务。
据悉,紫光云将打造以“百城百业”为业务目标,聚焦城市云和行业云,包括建立工业智能制造、政务大数据、智慧教育、精准扶贫、BIM、环保、交通、水务、军民融合等超过十个行业的国内外顶级专家队伍和相应研发的体系。
2019年5月16日-19日,第三届世界智能大会在天津召开之际,紫光云将重点亮相17日下午的“城市云与城市智能发展峰会”,届时紫光集团副总裁,紫光云总裁兼CEO吴健将在峰会中发表重要主题演讲,就紫光云战略规划、技术创新以及生态构建等方面发表最新观点。
自2018年8月落户滨海高新区塘沽海洋科技园,经过不到一年的时间,紫光云已全方位参与天津智能化建设,目前已建立起了600多名科技型人才的阵容,其中30%以上是硕士研究生,90%以上是本科毕业生。吴健在采访中表示,紫光云在天津的高效运转离不开滨海新区良好的人才政策和产业环境。天津滨海新区在项目落地、人才引进、资金投入等多个方面给予企业高质量的服务,为紫光云在津发展吃了一颗“定心丸”。
紫光云总裁兼CEO 吴健
在助力天津市政府重点打造智能化解决方案的策源地和生产地方面,紫光云也发挥着重要作用。截至目前,紫光云已经在全国建设了3个云服务节点,其中天津就是紫光云重点打造的一个标杆性云服务项目。据了解,紫光云正在构建滨海新区的“数字大脑”——“智慧滨海”云平台。该项目作为推进智慧滨海建设的重要一环,将实现政府各部门的数据共享,全面提升区域社会管理的精细化和智能化水平。
吴健指出,“目前紫光云在全国市场的推进十分快速,已经在多地进行云计算项目的建设及运营,一方面紫光云将在基础架构研发上发力,另一方面则将在城市和行业中打造“数字大脑”。未来只需在手机上动动手指,个人和企业就可以足不出户办理相关手续和审批事宜。”
作为紫光集团“芯云战略”的重要组成部分,紫光云公司成立一年来,积极拓展产品版图,不断强化产品创新力,致力于以最新的架构、最新的设备、最先进的技术、最新的理念打造心中最好的云。2019年紫光云将聚焦于工业、水务和住建三个行业深度发展,并在目前全国3个核心节点+20个城市节点的基础上持续发力,形成对标主流公有云服务商的云基础服务产品与技术架构,全面发力打造天津、重庆、苏州、连云港、武汉、沈阳6个城市根据地,形成面向政务、工业、智慧城市、水务的行业云能力。
紫光云将以“百城百业”为目标,依托集团优势,聚焦云计算与数据服务领域,采用“一多三统一”策略,通过紫光工业云、城市云最佳实践与快速推进,为国家建立安全稳定的云服务体系,进一步推动紫光云生态伙伴计划和百城百业计划,建设覆盖全国的云基础设施网络,其中包括南京、苏州、连云港、郑州、沈阳、天津、武汉、广州、东莞、昆明、拉萨等全国数十个智慧城市的建设与运营。
作为可信赖的数字化合伙人,紫光云将以成为中国领先的云服务提供商为目标,继续围绕云计算而生的新技术,联合广大合作伙伴与用户共同推进京津冀地区协同发展,为天津市智能化建设提供有力支撑!
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。