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
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。