操作系统是数字基础设施“定魂筑基”的关键,是制造强国、网络强国建设的关键支撑。以欧拉为代表的国产操作系统顺应开源发展趋势,强化根技术突破,加速成果成熟商用,携手产业伙伴深入各行各业,共同发展操作系统产业生态,逐步从夯基垒台迈向积厚成势,为深化基础软件“应用牵引、创新驱动、生态培育”发挥先行先试作用。
为充分发挥openEuler领先商业实践在行业内的示范带动作用,促进形成规模化应用,引导更多新行业新领域应用落地,推动产用两侧实现良性互促、迭代升级,加快构筑繁荣共赢的产业生态,OpenAtom openEuler社区联合国家工业信息安全发展研究中心正式启动“2023年度openEuler领先商业实践遴选活动”,现面向社会公开征集2023年openEuler领先商业实践成果。
该项征集活动作为操作系统产业峰会的一项重要工作,评选成果将在操作系统产业峰会发布。
一、组织单位
OpenAtom openEuler社区、国家工业信息安全发展研究中心
二、遴选范围与类别
本次遴选范围为openEuler系操作系统(包括商业发行版、用户自用版以及社区版)在各行业领域中的应用实践案例,主要分为规模型和成长型两类:
1. 规模型商业实践:实践案例在特定行业应用规模已具备较强竞争力,重点考察生态建设、示范推广、运维服务、社区贡献等综合能力;
2. 成长型商业实践:实践案例为新行业新领域的突破性应用,具备较高发展潜力,重点考察技术创新、行业应用新特性、示范推广价值、社区贡献等成长性指标。
三、评选标准
主办方将秉持专业性、中立性原则,邀请业界专家组建评审委员会,对申报方案开展专家评审,形成最佳实践入选成果。评选标准如下:
· 应用规模:部署openEuler系操作系统(含openEuler商业发行版、用户自用版以及社区版)规模量大且在现有操作系统中占比大,部署的系统拥有较大用户群,覆盖行业领域数量等。
· 示范推广价值:在行业的核心场景中应用,能够解决行业核心场景中痛点问题,满足典型场景需求,为行业用户提供有示范效应的解决方案,为用户创造价值,具备在行业规模推广的示范作用或者在新行业、新业务的突破。
· 技术创新性:在实际应用场景中,基于openEuler的技术特点进行创新实践,创新性解决行业痛点问题。
· 服务运维能力:提供实际应用场景中运维能力和问题处理机制,如何保障openEuler系操作系统以及应用业务稳定持久运行。
· 社区贡献:在openEuler社区贡献创新技术,包含代码贡献、问题反馈、技术联合创新、项目捐赠等,该项成果在开源共享、国际或者区域推广中具有重要意义。
四、申报方式
请申报单位完成《2023年度openEuler领先商业实践申报表》填写,须于北京时间2023年11月28日24时前发送至award@openeuler.sh邮箱。
五、评选流程
第一阶段:成果申报(10月31日-11月28日)
请申报单位完成《2023年度openEuler领先商业实践申报表》填写,须于北京时间2023年11月28日24时前发送至award@openeuler.sh邮箱。
第二阶段:成果评审(11月29日-12月1日)
评审委员会专家,会同社区技术委员会、相关Maintainer代表对申报材料及关键信息进行预审。
第三阶段:组织讨论(12月4日)
召开评审委员会闭门会议,最终评定入选成果。
第四阶段:结果公示(12月15日操作系统产业峰会)
2023年操作系统产业峰会主论坛公布结果并颁奖。
六、成果宣传
入选成果于2023年操作系统产业峰会公开发布并授予证书,通过OpenAtom openEuler社区、国家工业信息安全发展研究中心官方媒体平台和相关合作媒体,以多种形式宣传展示。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。