ZDNet至顶网软件频道消息:时效性是新闻重要的特性之一,在移动互联网时代这一特性不断发酵,如何快速搜集、发布新闻也就显得尤为重要。新华社是中文媒体的主要新闻来源之一,拥有遍布全球的一百多家分社,如何让各个分社与总社之间实现实时通讯、无缝沟通是摆在新华社面前的一大难题,与此同时,作为权威性新闻媒体,第一时间获取相关资讯的需求也愈发迫切。据此,新华社提出“移动信息化服务解决方案”,通过建立移动信息化服务平台,为政府、机构、集团公司在无线信息服务方面实现分层次信息发布、资源共享、信息协同互动,从而为新华社专属用户在移动终端,提供多元化、群组化的信息服务。
新华社的时讯通项目秉承移动优先设计原则,同时,安全性是移动平台建设的重中之重。新华社原计划由App外包公司来实践业务的移动化,但在反复考量移动化建设各项细节后,意识到外包公司很难交出满意的答卷,安全风险系数大,最终决定选择以AppCan移动应用平台为项目核心,推进“移动信息化服务解决方案”的实施。从源头解决移动应用的开发、安全、管理、集成等多种问题。
正益无线AppCan项目团队经过对新华社的深入调研分析,认为系统建设重点应集中在移动平台建设、时讯通手机客户端、时讯通管理后台、价格监测数据无线采集系统等,为充分发挥新华社信息资源优势,采取“技术平台+内容服务”模式,为新华社有移动信息服务需求的行业客户提供移动信息化解决方案、信息发布系统及具备用户特性的专属终端。以中石油为例,该公司员工通过新华社移动平台可以及时获取新华社推送的最新石油行业资讯。
三大平台保障新华社移动信息化进程
AppCan为新华社提供的移动平台大致分为三部分,分别为SDK移动开发平台、MAM移动管理平台以及MAS后端集成平台。新华社项目管理人员、开发人员、测试人员借助AppCan SDK移动开发平台能够快速、便捷的开发应用。截止目前,新华社已经顺利完成公众基础版(终端门户)和机构服务版(专属终端),其中公众基础版面向公众用户,主要功能为发布公众服务信息、终端板块内容服务介绍。机构服务版主要进行信息产品服务、多元化信息发布,兼顾协同办公为目标的信息互动。此外,公众基础版用户可通过输入授权码便捷的升级为机构服务版,享受其所在机构提供的专属信息服务,机构服务版也可单独打包安装。


时讯通手机客户端首页截图
移动应用开发完成后,更为复杂的任务是应用的管理。AppCan MAM移动管理平台涵盖内容管理、插件商城、推送管理、模板管理、权限管理、应用管理,为新华社相关管理员和内容管理员提供完善服务。
AppCan MAS后端集成平台为新华社“移动信息化服务解决方案”提供强大的数据支撑,不断收集移动应用的各种使用数据,通过统计分析全面掌握应用的使用情况,更有定制事件统计功能帮助新华社了解应用体验的反馈情况,从而不断完善应用。

时讯通用户权限管理后台截图
经济效益、管理效益双管齐下
移动应用开发对于新华社来说相对陌生,部分技术人员缺乏App开发经验,AppCan移动平台能够帮助新华社技术人员降低开发难度,原有的Web开发人员可以轻松实现一次开发多平台适配;同时特有的插件扩展机制实现开发插件最大化复用,对既有应用进行快速扩展更新,节约开发成本。此外,AppCan中的Hybrid App移动中间件加快应用开发速度,应用更新更及时,大大提升开发效率。
移动应用的管理往往会牵扯企业大量精力,而AppCan平台具备完整的移动应用管理的能力,保证移动应用从项目开发阶段到版本升级阶段都能处于统一管理之下,并严格管控移动应用的运行。此外,新华社可以通过AppCan建立自己的企业App Store,方便移动应用的发布、推广、管理等。
目前,新华社时讯通项目已接近尾声,新华社内部给予AppCan高度评价,通过AppCan移动信息化平台,大幅提升新闻工作者的采编效率以及其他业务部门工作效率,并成功与行业客户建立良好合作沟通关系。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。