9月1日,第六届“鲲鹏杯”山东新动能·软件创新创业大赛暨鲲鹏应用创新大赛2022山东赛区圆满举办。
为深入贯彻落实省委省政府关于加快推进新旧动能转换重大工程战略部署,进一步支持软件产业创新和招才引智,为信息技术创新、产业转型升级提供新型人才支撑。第六届“鲲鹏杯”山东新动能·软件创新创业大赛暨鲲鹏应用创新大赛2022旨在鼓励开发者基于鲲鹏计算技术,打造各类软、硬件解决方案,实现技术与商业创新,为鲲鹏客户带来更多高价值应用产品与解决方案。同时,深度挖掘鲲鹏在行业的创新价值,帮助优秀企业、优秀获奖作品获得展示的机会,打造出更多鲲鹏计算产业的行业创新标杆,推动山东鲲鹏产业发展。
山东鲲鹏生态创新中心总经理王宇雷受邀担任决赛致辞嘉宾,他在致辞中表示:从移动互联到万物智联,我们正处在一个转折的关口,计算产业新时代需要变革的力量,需要开发者的力量。鲲鹏应用创新大赛2022山东赛区的火热举行,也印证了全行业数字化转型趋势下,鲲鹏之上的生态改革创新热潮来袭。作为推进全省双创深入发展的又一重要抓手,影响力和产业带动作用日益显著,已成为山东创新改革的一张名片。
本赛场主要面向企业伙伴/高校/科研院所参赛者,共设有68000元奖金池,有82支参赛团队、161人参与了激烈角逐,赛题分为“数字政府”、“科技金融”、“企业数字化(开放命题)”和“初创应用”4个赛题。
最终,经由鲲鹏技术专家、各行业领域专家、市场价值专家组成评委团,围绕方案创新性、技术领先性、商业前景、社会价值4个维度进行严格评审,评选出4个参赛作品获得各赛题特等奖,并晋级鲲鹏应用创新大赛2022全国半决赛。这4个参赛作品分别是“科技金融”赛题-基于鲲鹏和国产中间件的PaaS平台金融信贷管理解决方案(中创软件商用中间件股份有限公司)、“企业数字化”赛题-协同设计一体化平台PLM产品(山东山大华天软件有限公司)、“数字政府”赛题-鲲鹏生态下的车路协同智慧交通应用(山东汉鑫科技股份有限公司)、“初创应用”赛题-阳光天使SAIS系统(山东力诺瑞特新能源有限公司) 。
在“科技金融”赛题中,济南轨道交通集团、山东佳联电子商务有限公司获得一等奖;山东融为信息科技有限公司、山东特普软件有限公司、山东和合信息科技有限公司获得二等奖;
在“企业数字化”赛题中,鸣启数字科技(山东)有限公司、朗朗教育科技股份有限公司获得一等奖;山东同陆云信息科技有限公司、山东易构软件技术股份有限公司、山东东晨软件科技有限公司获得二等奖;
在“数字政府”赛题中,烟台惠通网络科技有限公司、政和科技股份有限公司获得一等奖,济南福卡斯信息科技有限公司、山东中安科技股份有限公司、山东微笑集成科技有限公司获得二等奖;
“初创应用”赛题中,齐鲁理工学院、山东商业职业技术学院获得一等奖,烟台海颐软件股份有限公司、青岛鼎信通讯股份有限公司、山东财经大学获得二等奖。
以上获奖团队在获得丰厚奖金鼓励的同时,也有机会优先纳入鲲鹏生态创新中心年度优秀案例、优先在鲲鹏生态创新中心宣传渠道进行企业及项目推广、优先参与鲲鹏生态创新中心组织的市场活动、获得联合举办专场鲲鹏技术沙龙机会、优先在计算创新体验中心及鲲鹏生态创新中心展厅展示等相关权益
大赛介绍:
鲲鹏应用创新大赛自2020年开始举办,至今已连续举办两年,是面向全国开发者的顶级赛事。
今年,鲲鹏应用创新大赛2022以“数智未来,因你而来”为主题,覆盖北京、重庆、福建、甘肃、广西、广州、贵州、河北、河南、黑龙江、湖北、湖南、江苏、辽宁、山东、陕西、上海、深圳、四川、天津、浙江共21个区域, 旨在以赛促学,以赛聚力,搭建高校师生与优质企业技术交流、机遇共创的平台,推动鲲鹏人才培育和储备,促进鲲鹏技术与商业应用落地,实现鲲鹏技术产业生态共建。
好文章,需要你的鼓励
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。