什么力量驱动一座城市的产业发展繁花似锦?什么力量让一座“千年商都“汇聚创新智慧? 今天“智数广州·进而有为 华为广州城市峰会2020”走进花城,与广州各界共商如何通过科技创新激发新活力。
作为产业创新的“样板城市”,广州因商而立,也因商而兴,改革开放40年来,广州逐步建立起了完备的产业体系,全市高新技术企业数量超过了1.2万家,相比2015年增长了6倍。围绕创新产业链布局,广州持续加快部署新一代的信息技术、人工智能、生物医药、新能源、新材料等新兴产业集群,在紧抓数字经济发展的同时,也以持续的创新动能构建城市全场景智慧,加快实现城市好治理、人民好幸福。
站在新时代的潮头,广州将如何更进一步?会上,一系列人工智能和数字经济重磅举措正式发布:
广州人工智能生态联盟实验室(昇腾)正式成立,将为企业提供AI算力、开发工具、品牌推广、示范应用、培训赋能等多类公共服务,进一步推动广州建成全国人工智能创新应用先导区,持续壮大广州人工智能产业。
华为与南沙区签署合作协议共建华为(南沙)人工智能创新中心,推动人工智能、大数据、云计算、工业互联网等技术与实体经济深度融合,建设成为立足南沙、面向粤港澳大湾区的人工智能产业创新中心。
国家超级计算广州中心与华为达成战略合作,将共同打造下一代超算系统,共创鲲鹏生态环境和鲲鹏人才培养体系。
广州市城市建设投资集团有限公司与华为达成战略合作,共同推动智慧楼宇、智慧园区和智慧城市建设,加速推进新一代信息通信技术与广州城市建设深度融合。
会上,华为公司高级副总裁、云与计算BG总裁侯金龙发表主题演为“共建全场景智慧,释放智数广州新活力”的演讲,他表示:“华为长期扎根广州,围绕‘产、学、研、创、投’,与企业、高校展开了深度合作。面向数字经济时代,华为将充分利用‘5机’协同的技术优势,基于‘智能体’技术参考架构和华为云,与政府、企业、运营商、行业伙伴一起打造城市智能体、工业智能体、行业智能体,助力广州数字经济的高速发展,成为创新、创业、创投的沃土,加速实现全场景智慧。”
华为公司高级副总裁、云与计算BG总裁侯金龙发表主题演讲
面向未来,针对广州的区域、资源优势,华为将携手广州各界,基于智能体,从以下6个方面为广州的城市发展注入新动能:
夯实广州算力底座:继续秉承“硬件开放、软件开源、使能合作伙伴”的理念,与广州产业链生态企业紧密合作发展鲲鹏计算产业,共拓万亿级市场空间。
打造创新广州:与行业伙伴将昇腾计算融入广州人工智能与数字经济产业生态,在金融、交通、制造、能源、医疗等行业开展数字化、智能化创新;以算力集群赋能产业集群,为全场景智慧广州提供澎湃动力。
打造智造广州:与制造企业一起大力投入智能新技术,结合制造场景,做强IAB、NEM、汽车、超高清、先进装备制造和都市消费工业产业链,打造工业智能体,加速广州传统产业转型升级,做实体经济的压舱石。
打造数字广州:与广州市以及合作伙伴深入合作,探索在广州城市信息模型(CIM)平台叠加智能体架构,推动智能社会应用场景落地,实现智慧治理和智慧服务,让居民都能享受更有品质的生活。
打造动力广州:通过ICT技术帮助车企去造好车。
打造活力广州:围绕综合城市功能、文化综合实力、现代服务业以及国际化营商环境,与广州展开全面合作,通过华为云构筑繁荣的软件与服务、边缘计算等生态,助力广州人工智能和数字经济实验区高质量发展,打造粤港澳大湾区国际科技创新中心。
共生、共创、共享的繁荣生态是发展智能体并实现全场景智慧的关键。千行百业智能化升级,使得软件走向SaaS化和服务化。华为云定位为中立的云服务提供商,致力于打造最好的SaaS服务开发和运营平台,成为中小企业、ISV、开发者创业、创新的首选。
目前,华为已携手产业伙伴在600多个场景探索和应用智能体,并与深圳、成都、福州、南昌、长春等城市宣布共建城市智能体,为城市的全场景智慧发展提供参考蓝图和样板。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。