引言
HPE始终践行以人为本的“HPE WAY”,坚持具有韧性的企业文化与核心价值观,通过创新、合作与行动,把解决企业痛点、环境问题和提升人们生活福祉等作为不断创新的方向。
9月3日,2021中国国际服务贸易交易会——智能产业论坛在北京召开,HPE中国区金融事业部副总裁詹琳受邀出席本次盛会,以“即服务引领智能产业数字化转型”为主题,就企业在后疫情时代的数字化转型,以及绿色战略与低碳经济两大话题进行了演讲,向社会传达了HPE践行企业责任,助推循环经济与可持续发展的价值主张。
HPE中国区金融事业部副总裁詹琳
后疫情时代的企业数字化转型之旅
在疫情的挑战下,商业环境和人们的行为方式都发生了明显的变化,企业的经营模式也受到了严重冲击。HPE认为,各行各业在面对疫情危机时,都需要主动求变,迎接挑战,实现高质量的发展。
• 欢迎进入洞见力时代
疫情使得商业环境和人们的行为方式都发生了明显的变化,单纯的收集和处理海量信息远不能满足发展要求,关键是从数据中发掘价值转化为人人受益的洞见,并指导行动。而这,正是HPE提出的由信息时代向洞见力时代的迈进。
• 一切皆服务
作为行业领军企业,HPE通过遵循“核心数字化模型”向服务型公司转变,也彻底改变了HPE之前以软硬件交易为核心的商业模式,并设立了在2022年之前以“即服务”的方式提供所有的产品和解决方案的既定目标,真正实现“一切皆服务”。
以客户为中心打造循环经济,助力可持续发展
如今,全球变暖等环境问题对世界经济发展产生了巨大影响,碳中和、绿色治理和可持续发展已经成为全球共识。对此,HPE在保证加速企业数字化转型的同时,坚持实施绿色战略。作为全球领先的创新企业和全球最大的IT基础设施提供商之一,HPE提出了全新的循环经济战略,并设立了2050年或更早时间实现碳中和的目标,旨在为客户带来经济和环保上的双重收益。
一直以来,HPE以尖端技术引领循环经济发展,以可持续IT助力企业减少碳足迹,在价值链的各个环节实现节能减排与降本增效。HPE多款产品应用突破性技术在碳排放上获得国际权威机构认可。其中,HPE ProLiant服务器部分机型已获得TCO Certified严格的可持续标准认证。同时,HPE更以开放的心态发布低碳专利宣言,开放数百项免费的专利技术来支持低碳解决方案的研发,更广泛的助力循环经济发展。
HPE ProLiant DL360 GEN10
循环经济作为HPE多年以来打造的金融服务的一部分,也是即服务战略中的重要元素。HPE金融服务的三大目标:ANY TECH、ANY TIME、ANYWHERE,即希望客户无论采用任何技术,处于发展的任何阶段,在全球的各个区域,都可以用统一的标准去投资,管理和处置资产。在实现高投资回报的同时,对期末资产的数据安全和环保处置负责。
HPE发布《美好生活计划2020年度报告》
在一个加速变革的世界,所有的企业都要与时俱进,坚持一个具有韧性的企业文化与核心价值观尤为重要。此前,HPE发布了《美好生活计划2020年度报告》,聚焦创新、可持续发展、人才投资、包容性与多元化四大话题,解读HPE如何通过科技创新,改进人们生活与工作的方式。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。