【中国,东莞,2023年7月9日】华为开发者大会2023 ( Cloud ) 期间,华为云举办“一城一云,共助城市迈向精细化“智理””政务高峰论坛,围绕一体化云平台、华为云盘古政务大模型、数据要素等关键领域,打造城市“智”理新范式。会上,广州市白云区城市管理和综合执法局党组书记、局长郑柏生分享数据驱动下的智慧白云应用实践,讲解白云智慧城管建设理念。

白云区是广州市面积最大、常住人口最多的中心城区,城市治理任务也最为繁重。2017年以来,白云区携手华为云开展智慧城区建设,推进全区政务系统上云,提升全区政务信息资源统筹管理和集约化运营水平。目前白云区已有30多个部门单位、180余个政务业务系统部署至区内政务云平台,构建起“一屏观白云、一键连指挥、一门办业务、一网统管理”的社会治理格局。
郑柏生表示,基于白云区政务云底座,白云区城市管理和综合执法局(下简称“白云区城管局”)以数字化建设为引擎,通过 “数字上图”实现部件管理可视化、人员(物资)管理线上化、作业管理工单化、群众参与多元化。白云智慧城管系统上线以来,已将4.5万多个城市部件、1.4万多个城管物资纳入可视化动态管理,搭建起集感知、分析、服务、指挥、监察于一体的城市管理信息化平台。

环卫压缩站管理:实现动态感知,预防垃圾偷倒
在环卫压缩站管理方面,白云区城管局在全区59座压缩站安装了称重设备、AI抓拍摄像头、环境监测物联感知设备,采用物联网+ AI技术加强对压缩站的动态感知,对未备案车辆进站、垃圾量环比超过10%等异常情况,形成工单督促镇街查找原因,实现垃圾量同比下降300多吨/天,间接节省财政资金近千万元。
智慧燃气安全巡检:提高燃气安检覆盖率,减少燃气安全隐患
在燃气监管方面,白云区城管局搭建智慧燃气安全巡检系统,督促全区1800多名送气工送气上门的同时落实专业性安全检查,目前已实现燃气安检83万多次,处置燃气安全隐患数据1000多条,有效预防燃气安全事故发生。
环卫收费监管:搭建缴费小程序,实现环卫收费高效透明
针对环卫收费不方便、难以监管、标准不统一等问题,白云区城管局开发环卫收费系统,通过小程序缴费实现环卫收费金额透明、应收尽收、一键缴费。该系统在松洲街槎龙村、同和街等试点近一个月以来,已收费一千六百多万元,远超同期水平。
白云区城管局以数据为支撑,以人民需求为导向、以解决问题为出发点,建设白云智慧城管平台,推进白云区城市治理服务体系现代化建设。
本次华为开发者大会2023 ( Cloud )全新发布的华为云盘古政务大模型,让政务视频、政务交互、政务治理等场景的算法训练效能、内容生成质量等得到了进一步提升。
白云区城管局携手华为云持续深化白云智慧城管建设,探索华为云盘古政务大模型、GaussDB数据库在城市治理领域的创新应用,并已成立全国首个盘古政务大模型实验室,对占道经营、垃圾堆积、城中村治理等城市治理典型场景展开全面交流。在政务视频领域,相比于传统的“判别式”算法,华为云盘古政务大模型(政务CV大模型)具备更好的通用性和泛化性,相当于为摄像头加上智慧大脑,实现7*24小时不间断“慧眼识事”;面向政务交互领域,盘古政务大模型(政务NLP大模型)相比人工答复效率提升 100%,可以实现政务热线的自然语言对话,意图精准识别和问题准确回答,让政务咨询更加专业和有温度,让智能热线、数字讲解员等场景拥有更流畅、更智能的体验。
华为云盘古政务大模型将助力白云智慧城管系统提升图片、文本等数据的分析精度及速度,实现城市管理事件自动立案、自动审核预结案,加速白云区形成告警推送、互联互通、快速反应的城市运行管理中心,全面赋能城市应用智能升级。(通讯员:张晓璞)
好文章,需要你的鼓励
B&H近期对多款M5 Pro MacBook Pro机型推出300美元优惠。14英寸M5 Pro版本(48GB内存+1TB固态硬盘)现售价2299美元,较原价2599美元节省300美元,且该配置在亚马逊无法购买,折扣机会更为难得。此外,16英寸M5 Pro版本(64GB内存+1TB固态硬盘)同样享有300美元折扣。B&H在多款高配MacBook机型上的定价已低于亚马逊,是近期可找到的最优价格。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
Insta360推出GO 3S复古套装,将现代4K运动相机与胶片时代美学结合。套装核心仍是仅重39克的GO 3S,新增复古取景器、胶片风格滤镜、NFC定制外壳及可延长录制时长至76分钟的电池组。复古取景器模仿老式腰平相机设计,鼓励用户放慢节奏、专注构图。相机内置11种色彩预设及负片、正片等滤镜,同时保留FlowState防抖、4K拍摄及10米防水能力,面向热衷复古影像风格的年轻创作者。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。