
首届华为开发者论坛亮相2014华为云计算大会,一直坚持“被集成”的华为,首次把开放平台eSDK和全部技术支持体系展示出来,ICT能力已渗透到各行业应用中。
华为P&S Marketing与解决方案部总裁张顺茂指出,举办开发者论坛有三个原因:
华为P&S Marketing与解决方案部总裁张顺茂
首先,华为是做ICT基础设施的硬件公司,未来的应用需要在云计算大趋势下虚拟化,因此华为要把硬件的资源或能力开发出来,供开发者使用;
其次,华为不仅仅是硬件公司,也有很多软件平台,如FusionSphere云操作系统、Fusioninside大数据分析平台,这些软件平台一样也需要开放出来;
最后,未来业务的控制里面,从端到管到云都需要端到端的控制,因此需要华为作为ICT基础设施提供商把内部能力开放出来,让大家更能够掌控未来应用。”
“华为践行‘开放 合作 共赢’的理念,在解决方案层面为合作伙伴提供eSDK开放能力平台,携手合作伙伴联合创新,共同构建有差异化竞争力的行业解决方案,实现1+1>2的增值生态圈。”张顺茂如是说。
论坛包括主题演讲和开发者社区。主题演讲上,一些华为的战略合作伙伴分享了其成功的应用案例。华为战略合作伙伴软通动力重点介绍与华为合作智慧城市领域里,虚拟化一体机联合解决方案的成功应用;华南咨询揭秘公安大数据及警务云联合解决方案 ;索贝数码指出,新媒体挑战下,媒资行业应利用“深度融合的力量,形成差异化竞争力”;迪爱斯介绍“ICT综合,敏捷集成”的应急指挥方案,以保障城市安全。这些应用案例全面展示了通过把华为ICT能力,如语音、视频、消息能力,以及对网络、存储、计算的控制能力,在公安、媒咨行业及社会应急领域应用的融合,有利于帮助华为在行业竞争中优胜劣汰。
在开发者社区展示区,围绕“云计算与大数据”、“敏捷网络”、“协同办公”三大主题,与合作伙伴联合展示政务云、全渠道银行、平安城市、交通、社区医院等解决方案案例。
开发者社区展示区
在云化、移动化、大数据化、智能化的发展趋势下,未来的解决方案必然会涉及到多种IT基础设施,这些设施都要匹配客户业务模式才能更有效的发挥其商业价值。软件将重新定义世界,而开发者是其中的决定性力量;各行业开发者的无限创造力,对客户业务形态的深刻理解与IT架构弹性化、智能化相结合,能够帮助客户完成业务创新和平稳落地。
华为作为IT基础设施产品供应商,通过产品能力开放,将华为的ICT产品与合作伙伴对客户业务的优势相结合,将能够产生更多创新和增值方案。当前已开放包括网络交换、无线LTE、数据中心网络、服务器、存储、虚拟化、视讯、UC、融合会议、视频监控、呼叫中心、BYOD、SDN等产品与解决方案。
在该基础上,为了更好的服务于合作伙伴,华为成立了eSDK团队,专注于支撑华为产品能力开放,并逐步建立公司能力开放的管理机制、接口规范、开放模式、对外呈现模式以及未来可能的商业模式,为开发者提供专业服务。
为了构建完整的生态系统,华为倾向于联手不同类型合作伙伴、政府及科研组织、标准组织进行产品和垂直行业解决方案合作。今年,华为已建立了eLTE和Fusionsphere产业联盟。具体方面,华为为合作伙伴ISV(独立软件供应商)提供完整的端到端支持,并根据客户需求和市场机会,制定联合商业计划;ISV合作伙伴可以获得华为的额外激励,用于加大研发投入,与华为一起构建更多的行业与解决方案创新。此外,华为的全球市场营销和渠道销售平台也将支持联合解决方案的销售。
华为聚焦提供一流的ICT基础设施,开放合作,与合作伙伴一起为客户提供创新的ICT产品及解决方案。截至目前,华为已有1100多家解决方案合作伙伴。
本次开发者论坛上设立了颁奖环节, MicroSoft 、SAP、软通动力、华南资讯、金鹏电子等与华为有联合创新项目的优秀ISV获得了华为颁发的2014年度最佳创新奖。迪艾斯、中软安人、索贝等与华为有长期合作关系的ISV获得2014年度最佳协同奖。而先进数通、宇信易诚、星网信通等与华为共同取得大型商业成功合作项目的ISV获得2014年度最佳成就奖。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。