
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
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。