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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。