2018年4月19日,主题为"共转型·赢增长"的联想数据中心业务集团合作伙伴大会在深圳隆重举行。大会期间,联想不仅盘点了与合作伙伴在2017财年共同赢得的优异成绩,并表示将继续与合作伙伴引领创新转型,实现共同增长。当天,联想还提出了2018财年中国区业务新举措,并发布了ThinkAgile SX for Microsoft Azure Stack混合云解决方案。
联想集团高级副总裁、数据中心业务集团中国区总裁童夫尧
联想集团高级副总裁、数据中心业务集团中国区总裁童夫尧表示:"在上一财年,联想数据中心业务集团在各方面都取得了高速发展。新财年,我们将坚持以客户为中心的经营策略,提供更加丰富的IT基础架构产品组合,打造全面的云解决方案,并为客户提供端到端智慧化行业解决方案,为客户创造更多的业务价值,成为客户数字化转型进程中最可信赖的合作伙伴。"
联想数据中心业务集团在2017财年完成了对各项流程的改造提升及对组织结构的不断优化,各项业务蓬勃发展硕果累累,不仅取得了连续第四次位列HPC TOP 500(高性能计算)中国第一,全球第二、单路塔式服务器和入门级光纤存储保持市场份额第一等诸多亮眼成绩,而且还在行业中打造了多个行业标杆项目。其中包括:联想助力北京大学建立了国内首个温水水冷超算平台,助力东吴证券打造了金融行业首个一体化分布式私有云项目;同时,与西藏自治区政府、江西省抚州市政府等签订了智慧城市战略合作协议,构建智慧城市中国版图。
联想数据中心业务集团展区
在新财年来临之际,联想数据中心业务集团基于自身实力和对当前数字化转型大潮的深刻理解提出了四大举措:第一,以客户为中心的经营策略。联想将聚焦复兴政教行业,巩固传统行业,同时以互联网企业为突破,构建增量业务。第二,打造更加丰富的IT基础架构产品组合。去年,联想数据中心业务集团发布了ThinkSystem及ThinkAgile两大产品品牌,并发布了多款新品。今年,联想将还针对中国市场推出14款定制化产品,满足国内客户个性化需求。第三,打造全面的云解决方案及服务。联想数据中心业务集团将在新财年有计划的推进云业务,根据不同的应用场景,提供企业个性化的云服务和产品,为客户提供一整套面向未来的云化之路。目前的云产品布局包括,针对企业内部、自主安全性高的ThinkCloud私有云,与SAP合作推出的Lenovo Enterprise Cloud, SAP平台服务云,以及联想当天推出的ThinkAgile SX for Azure Stack混合云解决方案。第四,持续打造端到端智慧化行业解决方案。去年,联想在智能制造、教育、政务云等六大领域,为行业客户构建起了一个全维度的转型框架。新财年,联想将持续为客户提供咨询、设计、建造、运维等服务,并将大数据、人工智能、AR/VR等一系列领先技术融入到智慧解决方案,助力行业用户数字化转型。

ThinkAgile SX for Microsoft Azure Stack发布仪式
从左到右依次为:微软大中华区副总裁,消费与设备事业部总经理张永利、联想集团高级副总裁、数据中心业务集团中国区总裁童夫尧、联想数据中心业务集团中国区副总裁李国庆、微软大中华区副总裁蔡恩全
随着数字经济的快速发展,中国企业将迎来新一轮的数字化转型。联想数据中心业务集团将继续扮演可信赖的数字化转型解决方案提供商角色,助力中国用户数字化转型,为客户创造更多的价值。
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。