2017年3月29日,神州控股宣布,任命叶成辉为集团新任首席执行官(CEO),该任命2017年5月1日起正式生效。叶成辉就任后,神州控股将采用双CEO制。现任神州控股CEO林杨将继续担任神州控股的首席执行官兼执行董事,并携手叶成辉共同推进神州控股的全新战略转型。
在DELL收购EMC后,叶成辉被任命为DELL全球高级副总裁兼大中华区EMC总裁。从2006年7月,叶成辉开始担任EMC公司全球高级副总裁及大中华区总裁,负责中国大陆、香港及台湾的整体业务运作。在叶成辉任职期间,EMC的业务量增长超过8倍。
3月30日早上8点21分,叶成辉在微博发表公开信:“今天是我职业生涯的一个重大日子,刚刚公布了我将成为神州控股(香港联交所股票代码 00861.HK)的首席执行官。受任戴尔易安信公司(DellEMC)大中华区总裁十年半后,要离开这家伟大的公司是个艰难的决定,但是能够成为一家上市企业的首席执行官确实是个难以抗拒的机会。神州控股拥有神州控股(00861.HK) 、神州信息(000555.SZ)、鼎捷软件(300378.SZ) 、慧聪网(02280.HK) 四家上市公司,总市值几百亿人民币,员工过万名,在云和大数据、智慧城市、农业、医疗、制造业、物流、金融服务等业务,目前都有很大的发展空间。
作为一个中国人,现在是时候开始为一家伟大的中国公司工作的时候了。我很荣幸能加入这样伟大的中国企业,未来我
将倾尽我过去所学的,把这家伟大的中国企业发展得更伟大、更国际化。谢谢郭为主席对我的信任。任重道远,我将义无反顾,勇往直前,带领公司走上更加辉煌之路。”
神州控股官方信息:
在2017年3月29日晚间,神州控股(股份代号:00861.HK)宣布,任命叶成辉为集团新任首席执行官(CEO),该任命从2017年5月1日起正式生效。
在加盟神州控股之前,叶成辉曾担任EMC大中华区总裁,在信息管理、软件和全球销售及服务方面拥有超过26年的全球行业经验。他的加入,将有助于神州控股加速向“大数据、云计算”方向创新转型的步伐。
叶成辉就任后,神州控股将采用双CEO制。现任神州控股CEO林杨将继续担任神州控股的首席执行官兼执行董事,并携手叶成辉共同推进神州控股的全新战略转型,即立足大数据和云计算技术,与行业相结合,在物理世界与虚拟世界充分融合的未来智能时代寻找并占领应用场景,在未来的智能世界取得领先优势,并面向国际化的领域。
2017年,随着信息技术的发展,云计算、大数据、虚拟现实、人工智能等新技术纷至沓来。在这其中,云计算将成为未来主流的IT运行模式,而大数据是其中最重要的核心资源。依托于大数据生态,神州控股提出到2020年成为国内领先的“大数据服务商”的全新战略。
叶成辉简介
叶成辉,美国加州大学伯克利分校电子工程和计算机科学理学学士及硕士、美国金门大学工商管理硕士学位。在信息管理、软件和全球销售及服务方面拥有逾26年的全球行业经验。
1999年1月至2006年7月,叶成辉曾担任IBM全球副总裁、亚太区存储事业部总经理、亚太区AS/400总裁、大中华区AS/400和RS/6000业务部总经理等职务,曾在广州、北京、东京、上海负责不同的IBM业务,是当年“IBM最年轻的全球副总裁”。(被传说是商战小说《做单》里的人物原型)
2006年7月,叶成辉开始担任EMC公司全球高级副总裁及大中华区总裁,负责中国大陆、香港及台湾的整体业务运作。在叶成辉任职期间,EMC的业务量增长超过8倍。在DELL收购EMC后,叶成辉继续被任命为DELL全球高级副总裁兼大中华区EMC总裁。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。