中国信息技术目前呈现什么形态?今天下午,工信部副部长刘利华在德国汉诺威CeBIT展会的中德ICT峰会上,对此做出了回答。
他特别强调,当前中国经济发展进入新常态,加快ICT产业创新发展,加强新一代ICT技术改造传统产业,已经成为中国经济向中高端迈进的重要选项。中国和德国政府将为合作提供有力的政策支持。
以下是刘利华副部长在3月17日德国CeBIT展会中德ICT峰会上的发言实录:
ICT激发、颠覆并重构了传统产业的发展模式、组织结构和价值理念,随着网络的普及应用,大规模个性化定制已经成为可能,消费者同时也是工业设计者。
软件是ICT产业的核心灵魂,它将一台机器变成了能够感知、思考和做出敏捷反应的生命体,将人与机器、机器与机器、世界不同部分紧紧连接在一起。
今天世界上最大的营销平台,是基于软件架构,发展最快的互联网公司以软件提供服务,最好的电影制片商依赖软件设计工具,最引人注目的电动汽车也是依托大型操作系统。
云计算、物联网、大数据、移动互联网等新技术的迅猛发展,软件正以前所未有的影响力改变一切。本次峰会的主题——“软件定义世界”正好反映了这一现实和趋势。
经过20多年的快速发展,中国已经成为全球最大的ICT产品消费市场、生产基地和主要的创新地之一。ICT产业的快速发展,有力推动了中国经济的持续发展,造就了华为、中兴、腾讯、阿里巴巴和百度等一批世界级的企业。
当前,中国经济发展进入新常态,加快ICT产业创新发展,加强新一代ICT技术改造传统产业,已经成为中国经济向中高端迈进的重要选项,我们将全面深化改革,全面推进依法行政,努力为中外企业营造更加市场化、法制化和国际化的商业环境,我们将进一步放宽准入,创新国际合作方式,与包括德国企业在内的各国企业,共做创新,共享发展。
德国是全球制造业强国,也是ICT创新应用最好的国家之一,ICT产业的发展不仅造就了像西门子和SAP这样世界顶级的企业,而且大大提高了机械装备等产业的数字化和智能化水平,强化了德国制造的品质信誉和竞争优势。
当前德国已经着手实施工业4.0战略,这将进一步推动新一代信息技术和制造业的融合发展,强化德国工业在全球的领先地位。
中德两国在产业发展、技术创新、市场应用和人才合作方面互补性很强。去年10月两国共同签署了中德合作行动纲要,将双方合作推向了新的高度。纲要中明确提出,工业生产的数字化对于未来的经济发展具有重大意义,要进一步深化两国在云计算、物联网、移动互联网和大数据领域的合作,为实施好纲要,加快推进两国ICT产业合作发展,在此我提出三点建议:
1、加强沟通交往,增进理解信任。ICT产业的合作,始于技术,成于信任,本次峰会的召开,为两国产业界创造了面对面交流,增进彼此了解的机会,也为双方进一步的合作发展创造了良好开端。
希望双方秉持开放包容的理念,积极搭建平台,创造条件,务实推进两国政府、行业协会、专业和科研机构的专业交流与合作,切实解决好合作中出现的新情况新问题,优势互补,合作共赢,把发展潜力转化为现实成果。
2、共同推动新一代信息技术与制造业融合发展。这是ICT产业未来重要发展领域和方向,也是德国工业4.0战略和中国信息化和工业化深度融合的共同目标所在。
希望双方尽快建立常态对话机制,围绕5G、智能传感器、可编程逻辑控制器、工业机器人等重点领域联合开展课题研究,加强标准领域合作对接,开展人才交流培训,推动智能工厂示范项目建设,加快新一代信息技术创新应用,共同引领未来制造业的发展。
3、共同构建ICT产业发展的良好环境。ICT已经成为新一轮科技革命和产业变革的动力,希望两国加强政策对接协调,加大知识产权保护和执法力度,支持企业之间建立以产业链为基础的多层合作机制,在工业软件、大数据、电子商务等领域开展联合创新和推广应用,做大做强各自的ICT产业,同时携手推动建立ICT产业安全的国际规则和法律保障,为ICT产业健康发展营造安全的环境。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。