
CNET科技资讯网 8月31日 上海消息:华为历史上规模最大的面向ICT行业的全球生态大会——HUAWEI CONNECT 2016全联接大会今日在上海开幕,为期三天。华为轮值CEO胡厚崑首场演讲中首次全面阐述了华为云战略的定位,就是成为智能社会的使能者与推动者。华为将坚持以客户为中心,聚焦ICT基础设施,做创新的云技术提供者;做企业云化、数字化战略的使能者和优选合作伙伴;秉承开放、合作、共赢的原则,做云生态的积极贡献者。
华为轮值CEO胡厚崑发表题为《站在云端看世界》演讲
面向智能社会,信息通信技术是最重要的基石。终端是万物感知的触角,网络连接万物,云是万物智能的源泉。与此对应的是全面协同的“端、管、云”架构,这也是华为重点投入的战略方向。
“5到10年内,将出现各式各样的多场景、自适应的智能终端,人和物都能感知环境,成为智能世界的入口;光缆和无线网络可以提供无处不在的超宽带连接;分布全球而又相互连接的计算机汇聚了海量信息,在云端生成了‘数字大脑’,实时进化,永不衰老,人和机器可以通过连接和终端随时调用其智慧。”胡厚崑表示。
企业是云化的主角,华为就是坚持以客户为中心,理解客户需求,用创新的技术去匹配。华为通过统一开放的云架构为客户提供可交付、可运营的混合云解决方案,特别强调了开放性、安全性、企业级的性能以及一站式的特点,恰恰来自于对客户需求深入而准确的把握。另外,华为主张,云生态的构建要基于为客户创造价值的目的,每个参与生态建设者,都应该有自己独特的价值。他也强调,华为不会独自做几朵云,华为要做的是帮助千千万万客户建好千万朵云,积极参与云生态的建设。
“生于云的一代”企业主导了云的1.0时代,颠覆了很多行业。胡厚崑认为,下个十年,将是云的2.0时代,行业云将兴起。到2025年,所有企业信息技术解决方案都会被云化,85%以上企业应用会被部署到云上。每个企业需要结合自身核心业务,探索最适合自己的云化解决方案。
胡厚崑提出“化云为雨,让云为业务创造价值”的理念和三个实现途径。首先要重塑观念,重新认识ICT的作用,企业要把信息技术从辅助性技术上升为生产技术,大胆利用技术重新设计生产流程;其次,重构人才,掌握以云为基础的信息技术应成为基本技能;最后是小步快跑,用循序渐进的成功建立持久的信心。
“云正在塑造一切,有变革才有重生。对于任何企业来说,云的2.0时代,有变化,才有希望,有行动,才有未来”,他说。
大会期间,华为轮值CEO胡厚崑、徐直军、郭平,英特尔公司首席执行官Brian Krzanich,Infosys首席执行官Vishal Sikka, SAP公司高级副总裁Thomas Saueressig,麻省理工大学斯隆商学院首席研究科学家Andrew McAfee等发表主题演讲。
华为全联接大会是一场生态大会,在上海世博中心搭建18000平方米互动展厅,其中一半用于产业伙伴能力展示,约有80家华为及产业生态系统中的赞助商以及产业组织参展,包括Intel、HGST、SAP、Accenture、Infosys、OpenStack、GSMA等。华为将基于云计算、SDN、大数据等四大关键技术,发布云存储、云服务、SDN统一控制器等八大重量级解决方案,使能政府及公共事业、金融、电信、能源、媒资等九大行业客户的数字化转型之路。
来自120多个国家和地区的20000名业界精英,围绕“塑造云时代”主题,共同探讨云时代趋势与洞察,以及各行各业如何通过打造云技术、构筑云生态,积极实现数字化转型。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。