在一场事关国家科技创新发展大计的盛会上,中国向世界发出了“努力实现高水平科技自立自强”的宣言。
当今的中国,日益走近世界舞台中央,世界既需要中国为人类文明进步作出更大贡献,也需要中国面向世界科技前沿贡献中国智慧、中国方案。
对于中国来说,要坚持走中国特色自主创新道路,不断提升科技自主创新能力,立足优势谋新机,对标先进补短板,抢占科技创新高地,努力建设科技强国。同时,也要大力激发首创精神、创新潜力和创造动力,加强基础研究、应用基础研究的前瞻谋划和统筹布局,围绕“卡脖子”技术问题,持之以恒推进原始创新。
而信创是中国科技发展的根基,也是实现改革创新的核心内容。随着新一代信息技术的日益发展以及外部环境的日趋复杂,信创的建设不仅仅是落实“世界科技强国”的重要举措,更是推动经济发展的重要抓手。
信创拥有一个较大的产业链条,包括IT基础设置、基础软件、应用软件、信息安全等。国家通过发展信创产业能够构建自己的IT产业标准和生态,一方面使得IT产品和技术安全可控,摆脱对国外IT标准的依赖。另一方面,解决科技创新和产业需求脱节问题,形成科技创新支撑产业发展、产业发展拉动科技创新的正反馈效应,打通从科技强到国家强、从科技事业发展到国家全面发展的通道。
如今,在国家大力推动下,信创产业蓬勃发展,各方要素迅速汇集,技术研发加快迭代,应用工程稳步实施,生态培育初见成效,产品也从“可用”进化到“好用”,开启了全新的信创2.0时代。
信创2.0时代的主要任务是建设高质量生态体系,以信创产业生态服务实体经济高质量发展,并以信创云为数字底座,连接千行百业,进行数字赋能。华云数据董事长、总裁许广彬表示,信创云是数字化的基座,其承载的不仅仅是技术上的突破创新、产品上的应用转化、生态上的携手共建,更是推动新旧动能转换、区域经济高质量发展的核心动力。
华云数据是中国领先的综合云计算服务商,一直坚持通过自主创新的软件和硬件高效地将复杂的IT架构云化,打造成管理统一、体验一致的混合架构云平台,支持全芯全栈解决方案,为用户提供完整的数据中心云化、云上办公、信创转型和公有云方案。
多年来,华云数据积极推动信创产业发展,并以国家战略为指引、以市场需求为导向,以国产通用型云操作系统安超OS为核心构建完备的信创生态,打造“信创云基座”解决方案,上线全国首个信创云项目,为信创产业发展提供技术保障。与此同时,华云数据还发力信创布局,并率先在安徽、江苏、山东实现了信创产业的区域落地,推动政府和企业用户数字化转型升级。
许广彬表示,华云数据立足信创产业图谱,整合有效资源,加强科技创新和成果转化,同时发挥信创龙头企业的作用,集中力量强链延链补链,推动产业及经济的快速发展。真正做到了用一朵“信创云”牵引赋能“一座城”。
2021年6月10日,在多个政府部门及国家级行业协会的支持下,华云数据即将举办以“全芯全栈 信创强国”为主题的信创云基座产品发布会暨生态伙伴大会,届时将在政府领导、行业专家、合作伙伴及媒体的共同见证下宣布品牌战略升级,发布“信创云基座”,搭建“信创+”生态体系!
除此之外,在本次大会上还有更多精彩的内容,6月10日,华云数据诚邀您不见不散!
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。