
全球领先的信息与通信解决方案供应商华为今日宣布,在主题为 “智汇阳光 共襄新程 超越梦想 共铸辉煌“的2015华为中国合作伙伴大会上,华为企业BG中国区解决方案销售部部长、Marketing部部长胡忠华发表“联接超越梦想”的主题演讲,对全联接时代ICT产业转型中所面临的挑战与机遇进行致分析,介绍了华为的创新技术、产品和解决方案及案例,并分享了华为愿与合作伙伴共同打造全联接、大合作生态格局的愿景。
华为企业BG中国区解决方案销售部部长、Marketing部部长胡忠华
联接改变世界 行业ICT面临转型
随着当今世界中联接的数量持续上升,数字世界的全联接正在改变人们的工作、生活和消费方式。数字化的联接提升了效率,实现了资源的自由使用和管理。根据华为发布的研究数据表明:联接指数提升一个点,人均GDP 可提升1.4-1.9%。数字化的联接正成为改变世界的驱动力。
全联接时代的到来,也为广大企业客户带来了新的需求与挑战:ICT已经由过去以提高效率为特征的支撑系统,逐渐向驱动价值创造的生产系统转变。据华为对重点行业和企业客户的调研显示,能有效帮助客户实现收入增长的十种ICT技术分别是:移动宽带、云计算、大数据、智真/视频、物联网、社交网络、虚拟化、统一通信、3D打印、增强现实。
其中,移动宽带、云计算、大数据、物联网又是客户共性最关注的前四大技术。移动宽带可以实现无处不在的全联接,在广覆盖的同时提供低功耗、低时延、大容量的特性以支持大量的业务创新;而云计算将计算、网络与存储集中起来,实现了规模经济,同时实现基础设施集中化,直接降低成本,并大幅压缩业务的上线与部署周期;而在大数据时代,对数据的挖掘与精细管理已成为企业的核心竞争力,这就要求在技术上实现对大数据集的存储、分析与实时同步响应。
全联接时代下的行业和企业的ICT,正面临着从信息产生、信息传输、信息存储、信息的处理,到信息的呈现应用的、端到端的架构转型与需求。
持续创新研发 华为应对ICT转型挑战
围绕以上客户持续关注的关键技术,华为企业业务与合作伙伴一起,通过不断创新,不断满足企业客户端到端的产品和解决方案需求。
基于华为整体的“云-管-端”架构,能够很好地匹配政企信息化E2E的基础架构和基础设施需求。近两年,华为又陆续推出的分布式云数据中心、基于全可编程架构的敏捷网络、无缝全景智真、基于4G技术的eLTE百兆宽带集群等产品和解决方案,均获得了市场的极大认可,在以国家电网、凤凰卫视为代表的政府、金融、大企业、媒资、电力、交通等各个行业实现了规模应用,让行业的联接更加紧密。
目前,华为已经与50多家合作伙伴,在金融、公共安全、教育、医疗等8个主要行业,实现30多个场景化行业解决方案孵化。2014年在国内成立10+联合创新实验室,苏州行业解决方案创新中心和体验中心也面向广大的客户和合作伙伴开放。在全联接时代,华为将与合作伙伴一起,共同应对全联接时代ICT转型的挑战。
全联接 华为打造大合作生态格局
健康、成熟的生态系统对于打造更美好的全联接世界、全面应对全联接时代ICT转型的挑战至关重要。为推动整个技术进步和产业落地,针对目前最热点的SDN、大数据、宽带集群等话题,华为已先后成立和发起了“敏捷网络开放联盟”、“大数据联盟”和“eLTE产业联盟”等,秉承开放被集成的理念,致力于推动标准与联盟层面的发展。
为进一步加强与合作伙伴的联合开发,华为提出了BDII战略(BDII(Business-Driven ICT Infrastructur,业务驱动的ICT基础设施)。旨在希望通过生态系统的建设与客户业务需求的驱动、与合作伙伴共同完成行业解决方案的开发。此外,华为还将逐年持续增加品牌投入,为合作伙伴拓展市场奠定良好的基础;未来,还将从不同维度全面实现渠道品牌向联合营销发展,实现“全联接,大合作,联合营销”的发展模式。
目前,华为已拥有业界最宽的的产品线,覆盖CT到IT,华为希望与广大的SI(系统集成商)、ISV(独立软件开发商)合作伙伴一起,联合为客户开发可以满足行业特性需求的解决方案,构建全联接、大合作的生态格局,超越梦想,实现全联接时代共同的商业成功。
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。