第二届数字城市产业生态联盟专家论坛在京成功召开
由数字城市产业生态联盟主办,华为承办的第二届数字城市产业生态联盟专家论坛·城市智能体AI大模型专题研讨于8月26日在北京成功召开,论坛围绕AI大模型在城市、政务领域的发展现状及未来趋势等开展主题演讲和交流。
来自北京市大数据中心、华为技术有限公司、中国信息通信研究院、中国电子技术标准化研究院、赛迪顾问人工智能产业研究中心、北京航空航天大学、南京奥看信息科技有限公司、竹间智能科技(上海)有限公司等多家单位的专家分享了《联邦智能:超大城市复杂系统的数据治理体系》、《AI赋能城市数字化向智能化升级》等专题。
联盟联席副主席、华为政务一网通军团研发总裁陈金助在致辞中表示,AI大模型正在升级和重塑城市智能体,华为正协同伙伴,基于盘古大模型在城市治理、政务服务、政务办公等领域开展大模型的应用实践。同时大模型发展面临的问题与挑战,需要产业界共同参与,构筑大模型生态,共同推进大模型技术落地与场景赋能。
联盟联席副主席、华为政务一网通军团研发总裁陈金助致辞
北京市大数据中心数据管理部部长贾晓丰在题为《联邦智能:超大城市复杂系统的数据治理体系》主题演讲时表示,超大城市复杂系统的数据治理涵盖了宏观层面的数据秩序治理和微观层面的数据质量治理,需要管理求同、治理存异的理念,提出了大模型在对非结构化数据处理、复杂关系网络理解及安全和伦理边界等方面对新一代数据治理体系带来的改变和挑战。
北京市大数据中心数据管理部部长贾晓丰 主题演讲
华为政务一网通军团研发副总裁陈剑在题为《AI赋能城市数字化向智能化升级》的主题演讲时表示华为政务行业大模型分三层,在L0盘古基础大模型、L1政务行业预训练大模型监督微调、L2场景化应用模型都构建了开放的架构,能和伙伴联合构建面向政务行业私有化部署解决方案。通过大模型使能城市智能体全面升级,面向客户提供“能感知、会思考、可进化、有温度”的解决方案。
华为政务一网通军团研发副总裁陈剑主题演讲
中国信通院云大所人工智能部副主任曹峰进行了《政务大模型现状及落地挑战》的主题演讲,分享了大模型如何降低人工智能在城市、政务关键业务和场景的使用门槛以及政务场景与人工智能深度融合在数据、场景、伦理上受到的挑战,
中国信通院云大所人工智能部副主任曹峰主题演讲
中国电子技术标准化研究院信息技术研究中心人工智能研究室主任徐洋进行了《大模型产业政策趋势和标准化研究》的主题演讲,从产业政策、标准化研究角度介绍了大模型相关工作进展以及下一步规划。
中国电子技术标准化研究院信息技术研究中心人工智能研究室主任徐洋主题演讲
赛迪顾问人工智能产业研究中心常务副总经理邹德宝进行了《AI大模型赋能智慧城市的机遇与挑战》的主题演讲,分享了新型智慧城市涵盖的战略、数据、科技、可持续、创新、开放、生态、安全8个领域上人工智能和大模型带来的机遇。
赛迪顾问人工智能产业研究中心常务副总经理邹德宝主题演讲
北京航空航天大学计算机学院王静远教授进行了《AI for Urban Management》的主题演讲,分享了针对城市复杂系统的城市时空大模型以及libCity时空流深度学习框架,时空网格向量数据库等多个核心技术。
北京航空航天大学计算机学院王静远教授主题演讲
奥看科技CEO庞明进行了《基于CV大模型的城市智慧视觉融合感知系统的实践与探索》的主题演讲,分享了一网统管城市智慧视觉产业化挑战以及基于CV大模型的城市智慧视觉融合感知系统。
奥看科技CEO庞明主题演讲
竹间智能产品及解决方案负责人陶亮进行了《大模型在政务领域的新场景及应用》的主题演讲,分享了大模型在城市运营、城市治理、政府办公和政务服务等多个场景下的应用情况。
竹间智能产品及解决方案负责人陶亮主题演讲
好文章,需要你的鼓励
字节跳动智能创作实验室发布革命性AI视频数据集Phantom-Data,解决视频生成中的"复制粘贴"问题。该数据集包含100万个跨场景身份一致配对,通过三阶段构建流程实现主体检测、多元化检索和身份验证,显著提升文本遵循能力和视频质量。
ByteDance智能创作实验室发布的Phantom-Data是首个大规模跨情境主体一致性视频生成数据集,包含约100万个身份一致配对样本。该数据集通过创新的三阶段构建管道,从5300万视频和30亿图像中精选高质量跨场景配对,有效解决AI视频生成中的"复制粘贴"问题,显著提升文本遵循能力和视觉质量。
被盗凭证导致80%的企业数据泄露。随着AI智能体投入生产,管理10万员工的企业将需要处理超过100万个身份。传统身份访问管理架构无法应对智能体AI的大规模部署。领先厂商正采用蓝牙低功耗技术替代硬件令牌,实现基于距离的身份验证。行为分析可实时捕获被入侵的智能体,零信任架构扩展至智能体部署。这代表了自云计算普及以来最重要的安全变革。
普林斯顿大学研究团队开发了ReasonFlux-PRM,这是首个能深度理解AI复杂思维过程的评分系统。不同于传统只看最终答案的评估方法,新系统能评判AI思考轨迹的每个步骤质量,在数学和科学推理任务上实现了平均4.5%-12.1%的性能提升,为AI教育和训练提供了突破性的解决方案。