科技行者 9月7日 北京消息(文/董培欣): 为主题,围绕数字经济、智慧城市、生态城市等主题开展一系列展览展示、投融资对接、实地考察、滨海座谈等专项活动。
》的演讲。
演讲内容整理(该内容根据现场速记整理,未经发言嘉宾确认,仅供参考,谢绝转载)
市场占有率排名第一。
万家,用友云希望能够以交易这样一个关键场景为核心,实现企业和企业的连接,实现企业和消费者之间的连接,为数字城市真正的贡献我们的作用。
不仅仅是因为有利息这么简单,因为现代的企业是一个广泛的生态的链接,我们钱如果放在银行的话,出去购物、出国旅游、转账、理财、买股票、贷款,他都会带来质的不同。这是用友云的发展目标,就是企业服务产业的共享平台。
还有一点,我们希望能够成为数字化商业应用的基础设施,很多企业、很多政府都在做内部的信息化,但是传统的信息化在私有云的模式下存在一个问题,它是一个相对局限、相对封闭的,它有一定生命周期的,在云的时代,它是可以自动生长、完善、更新、迭代,会带来完全不同的体验,我们希望实现拎包入住的模式,成为数字化商业应用的基础设施。
我们最终的目标是四个方面:数字企业的智能服务实现四点:
第一是敏经营,希望通过全新的应用模式助力企业带来全新的业务创新;
第二是轻管理,在云时代希望带来管理的变革,让管理更轻,让管理更加创新,带来更多的效率;
第三是易金融,在应用过程中,我们会把金融进行嵌入,未来的企业都是数字化企业和金融企业。
升级。
同时我们也希望广大的中小企业都上云,在云的模式下实现更便捷的服务,更全面的连接和共享。
方向迈进。一个是更透彻的感知,我们的感知渠道通过物联网,原来可能感知的方式比较落后的,现在通过物联网,我们可以有更全面、更透彻的感知,第二是更全面的互联互通,第三是深入的大数据。
2.0:
阶段做智慧城市规划,首先规划的是数据而不是归能的设计。
阶段的重要的趋势和方向。
第三是从生产思维到用户思维,也就是以人为本。我们之前做太多的智慧城市建设了,更多的是强调产生了哪些价值,我们要换一个角度,要从用户角度出发,从服务对象出发,我们服务的企业、我们服务的居民需要什么,我们要反向设计我们的流程和应用,选择我们的技术。
的建设思路。
,所有数据在云端进行交换,基于互联网线上线下进行打。
。
一轴贯穿智慧城市全生命建设周期的主轴,做智慧城市一定从全生命周期考虑。
二翼是服务方面前面规划的时候进行设计,两翼是我们着手的两个区域,工程建设和未来城市资产运营领导;
三体是指公用事业、地产园区、制造业。
四维指全生命建设周期,投资、建设、运营、服务。
基于全生命周期的方案,用友我们也做了一些千千万万的细分群,针对行业的架构图设计了向云端的转型目标。资产形成阶段要从项目管理到工程云转型,资产运营阶段要从资产管理到资产云转型,在服务阶段要从营销服务到城市云转型。
。
我们用友工程云每一道都拍照记录,形成智慧城市的工程档案。每个照片上面都是有水印的,这个有法律意义,这个过程是否质量合格,质量是怎样的,每个设备的供应商、采购时间、型号、当时施工安装的场景对后来的资产智慧城市运维都会带来很重要的指导作用。所以就是科学的施工、实地取证。最终生成整个智慧城市全生命周期的工程资产的数字化档案。
这样就会了解资产的行动过程、生产过程,进行社会化的维修、巡检、共享,同时通过物联网技术,对某一个资产设备的运营状况进行实时的监控。
最后一个案例和广东省机场合作的案例。广东省机场用了三年多时间,他管理不光白云机场,管理广东省全省的机场,我们共建广东省机场的管理云平台,服务于广东的市民和企业的智慧交通服务。
年再出发,初心不改,用创想和技术持续推动商业和社会进步。
谢谢大家!
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。