9月15日,随着区域赛深圳赛区的结束,鲲鹏应用创新大赛2022区域赛全国21个赛区已完美落幕。本次区域赛从8月24日贵州赛区启航,9月15日结束,吸引全国5000+参赛者,近2000支队伍报名,收到1000+高质量作品,经过激烈的角逐,最终90支队伍成功晋级全国半决赛。
鲲鹏应用创新大赛2022区域赛决赛由全国21个省市的鲲鹏生态创新中心、华为技术有限公司,联合中国软件行业协会、绿色计算产业联盟、中国计算机行业协会、中国计算机学会高专委共同举办。旨在通过大赛挖掘并培养一批鲲鹏创新人才,进一步激发行业应用创新、加速产业融合、促进人才培养,吸引计算全产业开发者共同打造鲲鹏全栈解决方案。
21个赛区队伍 7大赛题相竞逐
鲲鹏应用创新大赛2022区域赛决赛主要围绕7个赛题进行角逐,包括数字政府、科技金融、企业数字化、openEuler开源操作系统、openGauss开源数据库、HPC高性能计算、初创应用。各区域根据本地具体情况从7大赛题中选择部分赛题进入比拼,参赛队伍基于鲲鹏软硬件技术,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。
本届区域赛采取“线下/线上”的形式进行。值得一提的是,本届大赛整体奖金池共1000万+,在区域赛阶段,获胜参赛团队可共同分享700万元+的奖金奖励。此外,获胜参赛队伍作品还能在华为开发者大会/全联接大会进行方案展示,方案可入选年度TOP100优秀商业解决方案(仅企业),获胜队伍可优先参与鲲鹏众智计划,获得提供技术/产业/宣传/推广/现金等支持,还有机会在鲲鹏系列活动专设议题(如:鲲鹏开发者创享日-城市站)推广方案等权益。
区域赛区决赛精彩纷呈 开发者大展实力
各区域赛区评委包括有行业指导单位专家、华为高级技术专家、高校教授专家、头部行业企业专家等,评委们根据各参赛作品的创新性、技术领先性、商业前景和社会价值等多个维度进行评审,最终评选出各区域赛题的一、二、三等奖队伍。其中,数字政府、科技金融、企业数字化和初创应用赛题的第一名队伍及openEuler开源操作系统、openGauss开源数据库、HPC高性能计算赛题的前两名队伍可代表区域向全国半决赛奖项发起冲刺。
目前,贵州、山东、湖南、北京、上海、甘肃、福建、广州、四川、广西、湖北、辽宁、浙江、重庆、天津、黑龙江、陕西、江苏、河南、深圳等均已评审出获奖队伍。获奖作品涵盖政府、金融等多个行业领域,参赛队伍针对各类业务场景、应用场景给出了优秀的创新解决方案。
携手开发者伙伴 打造行业创新标杆
本届大赛区域决赛极大地激发了广大企业、高校和个人开发者关注并参与鲲鹏计算产业生态的热情。涵盖各个行业的参赛作品成为了多领域解决方案的优秀示范,为各省市打造了鲲鹏计算产业的行业应用创新标杆。大赛不仅帮助优秀企业、优秀获奖作品获得全国展示的机会,还能让本土企业“走出去”,将优秀作品付诸行业实践,赋能行业数字化转型升级,为数字经济发展提供强大的新动能。
鲲鹏应用创新大赛2022是面向全球开发者的顶级赛事,旨在通过大赛挖掘并培养一批鲲鹏计算产业发展所需的人才及伙伴,培养广大开发者基于鲲鹏生态的软件适配、迁移、软件开发、解决方案孵化等进行研发的能力,凝聚计算产业上下游企业,携手优秀合作伙伴不断拓宽鲲鹏计算产业的生态圈。
好文章,需要你的鼓励
CarMax 作为美国最大的二手车零售商,年收入超过 265 亿美元。在 Shamim Mohammad 的领导下,公司成功实现了数字化转型,成为汽车行业的领先者。通过建立强大的技术基础、优化数据策略、应用人工智能技术,以及采用产品运营模式,CarMax 正在重塑汽车零售的未来。Mohammad 的前瞻性领导力和对创新的不懈追求,使 CarMax 在数字化时代保持竞争优势。
数据中心对我们的数字生活至关重要,但也给环境带来负担。为应对生态挑战,数据中心正向可持续、可再生能源、高效技术和可回收材料转型。这一转变不仅符合日益严格的环保法规,还能为企业带来竞争优势。从"白色空间"到"绿色建筑"的转型,将提高运营效率,降低成本,减少碳排放,为行业树立可持续发展的典范。
Nvidia最近改变了GPU的定义方式,将单个芯片die视为一个GPU,而非之前的整个模块。这一变化可能导致Nvidia AI Enterprise许可证费用翻倍。新的HGX B300 NVL16系统现在被视为拥有16个GPU,而非8个,这可能使年度订阅费用从36,000美元增至72,000美元。Nvidia表示,这一改变源于技术原因,但也可能是为了增加软件订阅收入。
一项新研究表明,OpenAI 可能在未获授权的情况下,使用 O'Reilly 出版社的付费图书来训练其先进的 AI 模型。研究发现,与早期模型相比,OpenAI 的 GPT-4o 模型对 O'Reilly 付费内容表现出更强的识别能力。这一发现引发了对 AI 训练数据来源和版权问题的讨论,同时也凸显了 AI 公司在寻求高质量训练数据方面面临的挑战。