“2024年世界移动通信大会”(MWC 2024)举办期间,华为云将于当地时间2月25日-29日,分享其在千行万业的案例实践和全球生态进展。期间,华为云将与沙特Zode Al-Abatakar for Trading、阿联酋Emirates Foundation以及阿联酋在线支付公司PayTabs签署合作协议,旨在共同探索、推动云与人工智能技术在各行业场景中的创新与应用。

华为云中东中亚区域总裁齐笑表示,此次谅解备忘录的签署,不仅意味着将云技术公司的创新优势与合作伙伴的发展目标紧密结合,更象征着双方对共同目标的坚定认同,以及对不断推动数智时代可能性边界的深远承诺。华为云将携手广大合作伙伴,以不懈的努力,取得更加丰硕的成果,并在各行各业中留下深远的影响,与沙特共同开创数字时代的新篇章。
华为云利雅得节点,加速沙特智能化进程
华为深根中东中亚20多年,一直以来秉承其以客户为中心的核心文化,携手伙伴、协同生态为区域客户提供优质网络和产品服务。
作为华为云服务中东、中亚和非洲的核心节点,华为云利雅得节点自2023年9月开服以来,一直为沙特乃至全球客户提供创新、可靠、安全、可持续的云服务。
该节点不仅与沙特在技术进步、领导力和创新目标方面的宏大目标保持高度契合,更是华为云对“沙特2030愿景”有力支持的实际彰显。通过不断创新,华为云利雅得节点正推动着沙特在数字化道路上的快速发展。
华为云利雅得节点采用3AZ(可用区)架构,确保提供创新、高可用、低时延且安全的云服务,从而保障各行各业的客户业务在华为云上稳定运行。该节点不仅覆盖了STC、Zain、Mobily等现网运营商,还能提供包括坚实的基础设施、数据库、容器、大数据和AI服务在内的全栈云服务,全面满足沙特各行各业的需求,为沙特的数智化进程提供坚实支撑。
华为云沙特公有云节点开服3个月内便取得Class C牌照,并持续为沙特打造无所不及的联接、具有竞争力的云计算和AI服务,为沙特在数字时代提供核心竞争力。
华为云表示,希望利用创新技术、全球数智化成功经验以及全球生态优势,给沙特一个更优的选择,帮助沙特加速数智化创新发展的步伐。
“一国一云2.0”建设理念,深化政务云数智融合服务应用,助推国家数智化进程
2030愿景下的沙特,正在积极推进国家数智化建设。针对沙特国家独特的发展背景和需求,华为云“一国一云2.0”建设理念,能够依托政企专属云底座以及数据库、大数据、AI、安全、媒体、工具链6大核心产品,帮助沙特加速实现国家数字化愿景。
在构筑数字韧性方面,华为云以“三分建设七分运营,上云更安全”的价值主张,依托全面的容灾方案,1+7层云原生安全架构、安全云脑,以及最多支持5级VDC管理架构的智能云管,为用户打造高可靠、极致安全、高效率的云服务体验。
在政务创新方面,华为云通过混合云AI大模型和政务大模型,提供同步公有云服务,深入政企业务多场景,高效支撑用户业务的持续创新。
在政务实践方面,华为云致力于提供丰富的场景化方案和专业服务能力,以满足不断变化的业务需求。如提供IOC可视化和智慧城市解决方案,80+建云、上云、用云、管云全流程专业服务等,以安全、可靠用云体验,一栈式帮助用户聚焦业务创新。
在中东中亚,为中东中亚
在过去的四年时间,华为云秉承创新的云服务、专业的本地化服务和开放合作的生态体系,联合全球和本地伙伴共同助力中东中亚国家数智化转型。
在沙特,华为云为沙特电商、汽车、金融和政府等行业客户提供了极致体验的网络、极致性能的计算以及丰富多样的行业场景化的人工智能解决方案。在乌兹别克斯坦,华为云携手政府打造了高效的政务云平台;在巴基斯坦,为运营商CMPak构建了数据智能中台,实现了数据治理和查询的优化。
在一起,服务亚非拉,让全球更好。华为云致力成为行业数智化的坚实云底座,为千行万业提供强大智能引擎,以更创新、更包容、更开放的态度,为各行各业提供创新且高韧性可靠的云服务与行业解决方案,协同伙伴帮助客户赢得智能时代的发展。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。