ZDNet至顶网软件频道消息: 山摇地动、房屋倒塌、道路中断……
“只要有一线希望,就要付出百倍努力。”废墟中汇起爱的洪流。
2014年8月3日16时30分在云南省昭通市鲁甸县(北纬27.1度,东经103.3度)发生6.5级地震,震源深度12千米,余震1335次。截止8月3日18时40分,地震共造成中国移动18个基站退服,91个基站停电,4个本地网断点,通信设施严重受损。
通信保障为受灾民众打开生命通道
时间就是生命,搜寻工作在紧张地进行,分分秒秒系着的是条条生命,救灾人员在断梁横陈的现场搜寻着废墟下掩埋的人。
通信的不畅严重阻碍救灾的进度,调度人员、救灾人员之间无法及时沟通,被埋者更无法通过短信、电话、微信、微博等手段主动寻求救助,只能被动等待救援。然而灾区现场,屋塌瓦落,中断的网络线路被掩埋在一片狼藉的石块当中,抢修人员想要迅速定位故障点几乎是举步维艰。
云南移动迅速启动抗震应急通信保障预案,通过精准数据快速定位故障基站并进行抢修,截至4日18时(灾后12小时),灾区的中国移动信号恢复,为抗灾信息的传递提供了可靠保障,给灾区和外界提供了一条联系和互通的生命线。
面对突如其来的灾害,能够快速抢修故障,快速重建通信设施,这与云南移动昭通分公司扎实的基础管理工作与长期细致工作的积淀是密不可分的。灾区复杂的网络结构和地理环境,网络的疏通需多名技术人员协同处理,如果没有前期准确的数据基础作为支撑,网络故障排查的效率将会大大降低,严重影响救灾进度。准确的数据支撑极大程度保障了震后通信故障恢复,为安定灾民情绪、保障抗震救灾工作稳定开展起到关键的作用。
昭通移动数据整治 灾难之前“未雨绸缪”
就在2013年6月份,昭通移动励精图治,为了更好地支撑网络运维工作,启动了本市的传输精细化数据质量专题工作,目标是做好网络基础工作,掌握现网中每个资源点的实际情况,确保资源数据的准确性,切实发挥数据对于生产中的价值,经过为期一年的数据质量整治,昭通移动数据准确性,有了较大提升,数据的准确性达到了95%以上。业内人士了解,由于数据管理工作繁杂,网络基础数据质量的整治工作,平常是很难体现其价值的。而面对灾害的来临,却彰显了数据的能力,支撑了网络的快速重建,充分体现其大量的基础工作价值及长期细致工作的积淀,为应急通信保障做好准备。如同蘑菇那样,前期的生长过程无人能注意到,只有当大雨来临,才能在雨中撑起一株“保护伞”。
浪潮在2013年开始与昭通移动全面合作,针对数据质量提升工作,以传输精细化场景为主,对传输资源数据进行采集、整理并加以清洗,完善传输管线基础管理,实现资源数据的完整、准确,进一步挖掘数据的价值。并依托大数据领先的优势及自主研发浪潮数据管理平台(Data Manage Platform 简称DMP),以服务的形式向昭通移动提供全套的数据质量管理解决方案,包括数据采集与定义、数据检验、数据规则管理、数据质量评估、数据质量管理水平分析等。
数据剖析/清洗服务
通过多维数据数据碰及“冷设备热采”技术,结合规则、趋势、计算、提取违背规则的数据并加以清洗与分析,解决其网络数据“孤立不成网”及“变化数据”不可控的难题。灾前昭通数据关联准确性达到96%以上。在震区,定位出现故障的基站后,可以通过数据的关联,直接找到快速恢复通信业务的最优备用线路,避免了通过不断尝试恢复故障,大大提高了故障处理效率。
数据采集服务
为昭通移动提供,面向现场的数据采集服务及现场整治服务,与数据清洗形成协同,对现网的数据经过采集、整理,电子化标签整治等,进一步验证数据的一致性。灾前昭通移动数据的一致性达到了95%以上。灾区现场故障处理人员可通过直观的电子化标签判断故障业务的去向,对业务进行调试。即使不熟悉故障现场,技术人员也可快速定位故障点,降低了与后台沟通成本,便于快速定位,提高故障处理效率。
正是由于昭通移动的未雨绸缪,地震灾害发生以后,在故障的精确定位和快速的排除中,高质量的数据质量提供了坚强的支撑,充分展现了高质量数据所带来的价值。在面对灾害、面对突发事件中,也正是由于昭通移动在数据管理方面长期细致的积淀,为抗灾保通信提供了坚实的保障,加快了灾后重建的进程。祝愿灾区人民早日渡过难关,重建家园。
好文章,需要你的鼓励
Stripe联合创始人John Collison最近与Anthropic CEO Dario Amodei(达里奥·阿莫代)进行了一次对话。
哈工大和360研究团队联合开发了Light-IF框架,成功解决了大型语言模型在处理复杂指令时的"偷懒思维"问题。该框架通过教AI学会"预览和自检"的工作方式,显著提升了AI对多重约束条件任务的处理能力。Light-IF-32B模型在四个权威测试平台上均取得最佳成绩,超越了多个知名大型模型。研究团队已开源相关模型和代码,为AI助手的发展开辟了新方向。
GPT-5是OpenAI于2025年8月发布的新一代多模式大模型,兼具高效应答与深度推理能力,并在安全性、准确性和多语言表现上取得显著提升,尤其在医疗、内容安全与防越狱方面展现突破性进步。
T-Tech实验室开发出革命性的VL-DAC训练方法,让AI机器人能够通过观看简单模拟环境学会复杂的现实世界技能。该方法将AI的"观察思考"与"实际行动"分开训练,避免了传统方法需要复杂参数调整的问题。实验证明,AI在导航、卡牌游戏等简化环境中训练后,在真实世界的游戏控制、空间规划和网页操作任务中性能分别提升50%、5%和2%,为降低AI开发成本开辟了新路径。