今天,东软集团在上海召开战略发布会,东软集团创始人、董事长刘积仁博士宣布全面推进解决方案智能化战略,聚焦智慧城市、医疗健康、智能汽车互联和企业数字化转型等业务领域,打造AI赋能的解决方案、数据价值化的解决方案和服务化的解决方案。现场包括新任的东软集团首席战略官兼任公司首席执行官(CEO) 荣新节 、东软集团高级副总裁兼董事会秘书、首席投资官, 王楠等管理层出席。
刘积仁博士在发布会演讲中指出,全球IT服务和软件市场持续快速发展,连接力、算力、存储力、数据、AI等数字社会的基础设施不断强大软件行业的生命力不断扩展。随着人工智能的迅速商用和数据的爆发式增长,客户对于解决方案的需求,已经从传统意义上实现其系统流程精准运行,转变为智能化和数据值创造。智能化成为东软开启新一轮变革和增长的机遇。
刘积仁强调,东软经历30余年发展,伴随中国软件产业从无到有,由弱到强,持续以解决方案业务推动产业快速发展,推动国民经济基础设施与重要民生领域的信息化水平不断提高。解决方案从过去的BtoB 模式走向遍在化,成为每个人工作和生活的重要部分。
面对“人工智能+”和“数据要素x”等新的市场机遇和发展趋势,东软将全面推动解决方案智能化发展,打造AI赋能的解决方案、数据价值化的解决方案和服务化的解决方案。同时,东软将不断调整优化面向新业务战略布局的组织和生态,主动围绕客户需求,持续关注AI赋能与数据价值,为客户提供管理和咨询服务,不断推动客户高质量发展。
针对AI赋能的解决方案,刘积仁表示,AI将成为解决方案的重要组成,成为解决方案的合作伙伴。东软将AI 技术与解决方案能力全面深度融合,加速推动“人工智能+”,赋能产业升级和转型。
目前,东软利用自身在优势业务领域的数据和客户资源开展垂直领域大模型的训练,推出东软大语言模型系统工程LLM-SE,在医疗、人社、医保、政务、媒体、金融、司法、运维等领域广泛应用。
在数据价值化的解决方案领域,刘积仁谈到,未来的解决方案将成为数据创造价值的方式,成为产生有价值数据的平台。为此,东软将充分挖掘数据要素价值,在智慧城市、医疗健康等领域加强对数据价值化的发现、创新和变现。目前,东软在医疗领域的数据价值化探索已经取得积极成效,也将研发面向其他行业的数据价值化解决方案,参与和推动中国的数字变革,赋能国家经济发展。
面向服务化的解决方案,刘积仁指出,东软用解决方案创造服务模式,将软件的价值转变为超越技术的服务。在医疗健康领域,东软构建了医共体的信息与数据管理平台,通过对运营数据的分析,积极赋能创新型县域医共体解决方案。另外,东软还赋能公立医院高质量发展整体解决方案,帮助医院升级患者服务模式,支持重点学科建设,助力医院精细化运营管理,推动医院实现高质量发展。
据介绍,为适应新的发展战略要求,更加聚焦客户,贴近市场,东软进行了大幅度的组织架构调整,通过对职能组织、研发体系、销售体系、软件生产体系、领导力、专业化分工与协作等全方位的改变,加强内部战略管理,全面提升软件开发效率,持续推出新产品、新服务,并拓宽外部生态组织,打造学习型生态系统,使公司的业务创新和持续发展能力更强,与市场的发展更契合,与客户的关系更紧密。
未来,东软将以新的面貌,不断创新,持续变革,继续开展“人工智能+”领域的探索,赋能行业实现智能化转型,在快速变化的外部环境和激烈的市场竞争中实现稳健、可持续发展。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。