



科技行者 9月7日 北京消息(文/董培欣): 为主题,围绕数字经济、智慧城市、生态城市等主题开展一系列展览展示、投融资对接、实地考察、滨海座谈等专项活动。
》的演讲。
演讲内容整理(该内容根据现场速记整理,未经发言嘉宾确认,仅供参考,谢绝转载)
市场占有率排名第一。
万家,用友云希望能够以交易这样一个关键场景为核心,实现企业和企业的连接,实现企业和消费者之间的连接,为数字城市真正的贡献我们的作用。

不仅仅是因为有利息这么简单,因为现代的企业是一个广泛的生态的链接,我们钱如果放在银行的话,出去购物、出国旅游、转账、理财、买股票、贷款,他都会带来质的不同。这是用友云的发展目标,就是企业服务产业的共享平台。
还有一点,我们希望能够成为数字化商业应用的基础设施,很多企业、很多政府都在做内部的信息化,但是传统的信息化在私有云的模式下存在一个问题,它是一个相对局限、相对封闭的,它有一定生命周期的,在云的时代,它是可以自动生长、完善、更新、迭代,会带来完全不同的体验,我们希望实现拎包入住的模式,成为数字化商业应用的基础设施。
我们最终的目标是四个方面:数字企业的智能服务实现四点:
第一是敏经营,希望通过全新的应用模式助力企业带来全新的业务创新;
第二是轻管理,在云时代希望带来管理的变革,让管理更轻,让管理更加创新,带来更多的效率;
第三是易金融,在应用过程中,我们会把金融进行嵌入,未来的企业都是数字化企业和金融企业。
升级。
同时我们也希望广大的中小企业都上云,在云的模式下实现更便捷的服务,更全面的连接和共享。

方向迈进。一个是更透彻的感知,我们的感知渠道通过物联网,原来可能感知的方式比较落后的,现在通过物联网,我们可以有更全面、更透彻的感知,第二是更全面的互联互通,第三是深入的大数据。
2.0:
阶段做智慧城市规划,首先规划的是数据而不是归能的设计。
阶段的重要的趋势和方向。
第三是从生产思维到用户思维,也就是以人为本。我们之前做太多的智慧城市建设了,更多的是强调产生了哪些价值,我们要换一个角度,要从用户角度出发,从服务对象出发,我们服务的企业、我们服务的居民需要什么,我们要反向设计我们的流程和应用,选择我们的技术。
的建设思路。
,所有数据在云端进行交换,基于互联网线上线下进行打。
。
一轴贯穿智慧城市全生命建设周期的主轴,做智慧城市一定从全生命周期考虑。
二翼是服务方面前面规划的时候进行设计,两翼是我们着手的两个区域,工程建设和未来城市资产运营领导;
三体是指公用事业、地产园区、制造业。
四维指全生命建设周期,投资、建设、运营、服务。
基于全生命周期的方案,用友我们也做了一些千千万万的细分群,针对行业的架构图设计了向云端的转型目标。资产形成阶段要从项目管理到工程云转型,资产运营阶段要从资产管理到资产云转型,在服务阶段要从营销服务到城市云转型。
。
我们用友工程云每一道都拍照记录,形成智慧城市的工程档案。每个照片上面都是有水印的,这个有法律意义,这个过程是否质量合格,质量是怎样的,每个设备的供应商、采购时间、型号、当时施工安装的场景对后来的资产智慧城市运维都会带来很重要的指导作用。所以就是科学的施工、实地取证。最终生成整个智慧城市全生命周期的工程资产的数字化档案。
这样就会了解资产的行动过程、生产过程,进行社会化的维修、巡检、共享,同时通过物联网技术,对某一个资产设备的运营状况进行实时的监控。
最后一个案例和广东省机场合作的案例。广东省机场用了三年多时间,他管理不光白云机场,管理广东省全省的机场,我们共建广东省机场的管理云平台,服务于广东的市民和企业的智慧交通服务。
年再出发,初心不改,用创想和技术持续推动商业和社会进步。
谢谢大家!
 0赞
 0赞好文章,需要你的鼓励
 推荐文章
 推荐文章
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。