8月25日,"如果未来可以预见--华为云中国行"广州站活动成功举办。本次大会由广东省经济和信息化委员会作为指导单位。上千名来自广东省的企业客户、合作伙伴和行业大咖参会,共同探讨云服务如何助力广东制造业实现升级转型,推动工业发展。广东省人民政府副省长袁宝成,广东省经济和信息化委员会副巡视员神志雄,中国信息通信研究院总工程师、国家工业互联网产业联盟秘书长余晓晖,华为云BU总裁兼IT产品线总裁郑叶来、中软国际制造业务线总裁李晓波等嘉宾出席了本次会议并做主题发言。
郑叶来在主题发言中提出,制造企业上云与制造云并不相同,制造云与智慧制造云也有所不同,这分属制造企业数字化转型的三个阶段,需因地制宜地助力企业上云。他说:"华为开放自己30年在ICT和高科技制造行业积累的能力,包括研发设计、生产制造、经营管理、供应链物流等整个制造业流程中的能力,根据客户不同发展阶段提供华为云解决方案,赋能产业新价值,让制造更智慧。"
华为云BU总裁,兼IT产品线总裁郑叶来发表主题演讲
基于对华为云"开放、可信、全球服务"核心优势的认可,越来越多的工业企业客户选择华为云。
例如,东风集团基于华为云构建面向未来的混合云,实现了自动化统一云管理平台,建设了各部门云上协同办公体系,已部署超过300个云主机,支撑了50多个项目同时稳定运行和上万用户访问,集团整体IT成本降低30%。华为应用AI在公司内部全球供应链实现端到端流程优化,打通从供货预测到物流、仓储到报关、运输、签收等各个环节,实现智慧化物流转型。通过应用AI,华为实现智能装箱,集装箱利用率提升了6%,每年节省数千万成本,报关单据自动识别实现了97%的数值准确率,报关遵从度分析实现了95%以上的预警率准确率。
在广东,华为云在多家企业中也得到了广泛应用。例如,华为云服务迈鸿车联网,为其提供信息交互、处理平台,满足迈鸿聚焦业务、快速运维开发的要求,助力其打造云上智能控车系统,实现手机实时监看汽车状态,远程解锁、防抢、定位等功能,为车主带来贴心的控车服务。
敏思达依托华为云推出M1000综合物流平台,整合上下游业务模型,为200家大型企业提供ANY TO ANY的物流方案。华为云满足了平台降成本、资源弹性调度和灵活管理的诉求,可稳健支撑千万票的日业务量和高达2亿条记录的日数据流量。
摩拉云积累十年电商仓储支撑经验,依托华为云高性能计算、云监控及虚拟专用网络,为多家独立电商、第三方物流提供安全、高效、稳定的智能仓储配送系统,订单处理能力弹性可达百万级,满足用户仓配业务的快速扩展需求。
面向制造企业的研发设计、生产制造、经营管理、市场营销、智能服务等五大场景,华为云提供有针对性的云解决方案。例如,在研发设计领域推出了HPC Cloud高性能解决方案,在生产制造领域提出了大数据和云的结合,在经营管理领域华为提供SAP HANA Cloud解决方案、AI供应链管理,在市场营销领域华为提供针对电商、网站、APP的移动互联云解决方案,在智能服务领域推出IOT解决方案等。
同时,为更好地助力广东工业发展,华为云中国行.广州站举行了"华为广东工业云平台生态联盟"启动仪式。华为与中软国际、深圳美云智数、金蝶软件、广州明珞、深圳敏思达、深圳爱橙子、广州摩拉网络、深圳云智数据服务、上海汉得、广州杰青、深圳竹云、深圳码隆等生态伙伴共同宣布,将携手为广东客户提供优秀的云服务解决方案,共同助力企业的数字化转型,服务好广东工业云平台建设,助力"智"造广东。
华为广东工业云平台生态联盟启动仪式
如果未来可以预见,华为云愿与您一起共当时代主角,共见时代未来!
好文章,需要你的鼓励
Panzura在其Symphony数据管理平台中新增了访问控制列表分析和自动修复功能。该平台专门处理EB级非结构化数据集,具备扫描、分层、迁移和合规分析等功能。Panzura声称58%的企业受到权限扩散问题影响,74%的数据泄露涉及特权凭证滥用。新版本重点解决权限继承中断、过度授权访问和合规盲点等问题,提供完整的文件系统权限可视性和快速问题解决能力。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
Arista Networks宣布收购博通旗下VeloCloud SD-WAN业务,交易金额约10亿美元。VeloCloud是SD-WAN领域先驱企业,拥有集成安全功能的云管理SD-WAN解决方案。此次收购填补了Arista在分支机构连接方面的空白,使其能够提供端到端网络解决方案。同时,前思科高管Todd Nightingale加入担任总裁兼首席运营官,将助力公司拓展更广泛的客户群体。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。