2016年中国国际社会公共安全产品博览会于2016年10月25日至28日在北京中国国际展览中心新馆举办。全球硬盘巨头希捷,再次重磅参与。其10TB SkyHawk 酷鹰监控硬盘斩获2016年中国国际社会公共安全产品博览会“优秀创新产品奖”, 成为获此殊荣的唯一硬盘存储厂商,而且现场联合汉邦高科、海康威视等合作伙伴展示了在金融监控、平安城市、智能楼宇、文教卫、智能交通等全领域的行业解决方案。显示了其领先的存储技术创新研发,与开放合作的理念。
据IMS Research统计,目前全球每天产生的视频监控数据超过1600PB,而累积的数据量将更为庞大,视频监控业务将面临海量数据存储、共享、安全及利用等难题,迫切需求兼具大容量和高性能的专业监控存储硬盘。
希捷致力于为用户解决安防监控存储领域的痛点,并且领用自身的技术经验帮助客户利用数据创造新的价值。希捷在促进监控存储领域快速发展做了积极的贡献,希捷是世界上第一个针对监控存储成功推出安防硬盘的专业制造商,从2006年开始,就领导着安防监控存储硬盘的不断前进,其就安防监控的特殊性,有针对性地设计产品性能,以满足市场需求。2015年,希捷在安防存储领域荣膺安博会金鼎奖、智慧城市推荐品牌、智能交通建设推荐品牌等业界知名大奖,更在CPSE安博会上推出了全球首款兼具最高容量和最佳性能的8TB监控硬盘。此次10TB SkyHawk 酷鹰监控硬盘斩获2016年中国国际社会公共安全产品博览会“优秀创新产品奖”,希捷在产品上提供全天候运行能力高稳定、可靠运行低功耗节能运转,具备大数据量读写能力,保证数据安全的高性价比产品。更为重要的是,希捷监控盘免费提供有“+Rescue”独家数据恢复服务功能,该服务可帮助用户恢复包括意外损坏、电脑中毒或硬盘故障导致的数据丢失,节省高额的数据恢复费用,非常适用于缺乏IT支持的终端用户,帮助其保护重要的数据内容。
希捷全球副总裁暨亚太和中国区总裁孙丹女士目前还担任安防监控存储联盟主席, 与中国合作伙伴有紧密的联系,能在第一时间与客户沟通、了解客户需求、解决客户难题。同时希捷的全系列硬盘已经实现了本土化生产,在生产制造与运输环节即降低了成本;其次是先进工艺及技术,加上现代化批量大生产,进一步降低生产成本,这为希捷让利于客户提供了有利条件。良好的性能及极具诱惑的性价比,在行业媒体的调研中发现,希捷在安防监控市场的占有率达到了60%以上。
随着智慧城市的全面落地,孙丹表示,“智慧城市的布局离不开智能监控系统,而其核心要素是云计算和大数据,如何有效地存储、利用并分享数据也成为了各大安防厂商的重中之重。希捷拥有业界领先的安防存储技术和产品组合,致力于为客户提供兼具创新、低成本、高性能和可靠性的监控存储解决方案,帮助他们发掘并实现新的价值增长点,推动整个行业的持续发展。”
希捷科技售前技术总监洪电量为媒体讲解酷鹰硬盘的应用
此次获奖的希捷酷鹰监控硬盘专为依托于大型存储解决方案的NVR监控系统而设计,存储容量高达10TB,采用旋转震动传感器,降低了读写错误率,并支持64个敏锐视觉的摄像头,非常适合目前主流的、全天候运行的高清系统,同时配备数据恢复服务选项,为数据安全保驾护航。值得一提的是,希捷成为本届安博会唯一一家入围“优秀创新产品奖”的硬盘存储厂商,凸显了业界的认可以及自身专业的监控存储技术创新实力。
除最新的酷鹰监控硬盘外,希捷还拥有全系列监控存储解决方案,包括入门级监控盘——希捷高清3.5寸硬盘,希捷科技在安防监控领域的明星产品——监控专用硬盘SV35,用于视频应用业界同类产品中容量最大的硬盘——希捷8TB监控专用硬盘Surveillance HDD(SV7)等,可以充分满足不同领域的监控存储需求。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。