新华三为航天云网提供了涵盖计算、存储、网络与安全、PaaS服务和运维在内的全面IT解决方案,
支持1000万用户访问、为5000家中小企业提供IT服务,帮助航天云网构建高效稳定、灵活可靠的工业互联网云平台,以数字化赋能制造业转型升级。
“转型是我国制造业当前一个必须面对的课题,如果不转型可能就会被淘汰。航天云网与新华三开展了卓有成效的合作,强强联合,优势互补,大幅提升了服务企业数字化转型和开展智能化改造的能力和水平。”
——舒金龙 航天云网党委书记、董事长
随着云计算、大数据、物联网、移动互联网技术的快速发展,全球制造业正在进入平台竞争的时代,工业云平台的研发和部署将成为传统制造业跨入数字化时代的战略入口,推动制造业新旧动能转换,加速传统制造业转型升级。
推进制造业在数字化时代的转型升级,高效稳定、自主可控的底层IT基础架构是构建数字竞争力的关键之一。在“互联网+”行动计划、中国制造2025等国家重大战略发布的大背景下,中国航天科工集团有限公司于2015年6月15日正式对外推出中国首个工业互联网平台,航天云网应运而生。
深耕行业应用多年的紫光旗下新华三集团(以下简称“新华三”),凭借其全面的产品线和深厚的技术实力成为航天云网云平台建设的合作伙伴,帮助航天云网打造业内领先的工业互联网平台,推动制造业实现转型升级。
数字化推动制造业转型升级
作为我国工业互联网的首倡者与先行者,航天云网致力于将云计算、大数据、移动互联网、物联网等新一代信息技术与制造业有机结合,依托航天科工雄厚的科技创新和制造资源,建立“信息互通、资源共享、能力协同、开放合作、互利共赢”的工业互联网生态系统,推动“中国制造2025”与“互联网+”深度融合发展,助力传统制造业转型升级。
直面挑战,打造技术领先云平台
在面临项目时间紧张、涉及设备复杂、供应链紧张、现场环境不明确以及涉及第三方平台对接等诸多挑战的情况下,新华三项目团队通过优异的技术服务和强大的产品实力,完善项目进度控制流程,提前进行设备测试,配合项目各团队协调一致推进项目落地部署,仅用3个月便完成了项目的高质量、高标准建设。
新华三为航天云网提供了包含计算、存储、网络与安全、PaaS服务以及运维在内的多种服务类型,帮助航天云网构建起高性能、高可用和安全可控的云平台架构。在计算层面,新华三解决方案提供了完善的底层设备,并提供了出色的虚拟化技术支持;在存储层面,提供ONEStor分布式存储和FCSAN集中式高性能存储,以及本地硬盘在内的综合解决方案,为高I/O业务的数据库和非结构化数据提供全面的存储解决方案。而在网络层面,新华三采用了VxLAN的Overlay技术和采用EVPN的分布式网关方案,实现了对海量租户的支持,便于网络架构横向扩展,优化流量转发效率,更好地支持业务部署自动化。
新华三为航天云网打造的多中心统一管理平台能够为用户提供统一的资源池管理、运营管理、运维管理和自服务门户,通过安全架构的演进,帮助航天云网实现了安全资源弹性扩展,优化出口攻击防范,在与新华三自身设备紧密配合的同时支持纳管非新华三设备。通过一体化运维平台的设计和构建,提升自动化运维水平和对IT环境的监控。
智能制造,重塑强国根基
工业互联网平台将有助于提升制造业资源使用效率,推进供给侧结构性改革,与全球一道参与重构工业产业价值链格局的激烈竞争。航天云网致力于打造“信息互通、资源共享、能力协同、开放合作、互利共赢”的工业互联网生态系统,推进工业系统与高级计算、分析、传感技术和互联网的高度融合,实现“企业有组织、资源无边界”的生产资源配置,助力传统制造业转型升级。
作为技术实力与行业实践经验兼备的数字化解决方案领导者,新华三为航天云网提供灵活扩展、高效可靠的IT平台,推动制造业产品创新和业务流程重塑。
航天云网工业互联网平台具备支持1000万注册用户访问,并开展协同设计工作,同时将能够为5000家中小企业提供基础计算、存储、网络以及云安全、云服务。
广泛的平台连接能力将为传统制造业提供前所未有的数字化转型机遇。通过全面的产品技术和深入的行业洞察力,新华三将携手航天云网等行业合作伙伴,推进传统制造业向智能化、网络化、数字化时代迈进,提升企业运营效率,完善制造流程,优化决策系统,让数字化转型真正助力制造业实现跨时代的飞跃,让效率更高、质量更好的制造业成为强国根基。
好文章,需要你的鼓励
这项研究提出了HoPE(混合位置编码),一种针对视觉语言模型的新型位置编码技术,专门解决长视频理解的挑战。传统位置编码技术在处理长视频时表现不佳,HoPE通过两个创新解决了这一问题:混合频率分配策略(为空间信息分配高频,时间维度使用零频率)和动态时间缩放机制(根据视频速度灵活调整时间编码)。实验证明,HoPE在长视频理解和检索任务上分别提升了8.35%和22.23%,为AI更准确理解长视频内容开辟了新途径。
东京大学研究团队推出MangaVQA基准和MangaLMM模型,专门用于评估和提升AI对日本漫画的理解能力。MangaVQA由526个高质量手动创建的问答对组成,用于评估AI系统对漫画内容的深入理解;MangaOCR则专注于漫画页内文本识别。基于这两个基准,研究团队从开源多模态模型Qwen2.5-VL微调出MangaLMM,能同时处理文本识别和内容理解任务。实验显示,即使是GPT-4o等顶尖商业模型在处理漫画的独特复杂性时也面临挑战,而专门训练的MangaLMM表现出色。
这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法,通过利用二阶信息为训练样本分配最优权重,实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持,并创新性地引入"地标"近似技术,仅需计算少量样本的精确影响力,再高效传播到其他样本,大幅降低计算成本。实验证明,该方法在多种模型和任务上均优于或匹配现有技术,同时实现了高达3.5倍的速度提升,为大模型训练开辟了更高效的路径。
来自哈佛大学等顶尖学府的研究团队在这篇论文中挑战了传统观念,认为Token压缩不仅仅是提高AI模型运行效率的工具,更应成为生成式AI模型设计的核心原则。研究表明,精心设计的Token压缩策略可以促进多模态深度整合、减轻AI"幻觉"问题、增强处理长序列输入的能力,并提高训练稳定性。论文详细分析了现有方法的局限性,并提出了算法创新、强化学习指导和硬件协同设计等未来研究方向。