ZDNet至顶网软件频道消息: 9月25日,“IBM智慧城市大挑战”济南项目情况通报会暨座谈会顺利召开,该项目是“IBM智慧城市大挑战”在中国的第一个智慧旅游项目。
图:济南旅游局局长王铁志(右五)与IBM专家出席IBM“智慧城市大挑战”济南项目情况通报暨座谈会
济南以“智慧旅游”入选“IBM智慧城市大挑战”项目
“智慧城市大挑战”项目是IBM全球单项投入最大的公益计划。该项目的宗旨是在全球范围内选择最具智慧发展活力的城市合作,汇聚IBM全球专家的资源和能力,在城市规划、行业进步、企业发展和环境、教育等领域,从技术、管理和规划方面提供咨询和建议。
“智慧城市大挑战”项目要求申请城市提出的项目课题要有挑战性、创新性,针对城市具体问题,关乎民生,并且能够对城市整体发展起到杠杆作用。而济南正依据自身特点大力发展智慧旅游,希望将旅游业培育成现代服务业的重要推手,借此助推服务经济发展与经济转型,为提高居民生活水平与推动城市快速发展提供动力。这些举措与“IBM智慧城市大挑战”项目的遴选标准非常吻合。今年3月,济南正式成为该项目的合作城市。
IBM携手济南 打造泉城特色国际旅游名城
济南是一座具有悠久历史的古城,拥有丰富的历史文化和独特的自然景观。近年来,建设“智慧旅游城市”成为济南市政府和济南市旅游局的重要发展战略目标。济南在促进旅游业智慧发展方面拥有前瞻性视野,已经开展了诸多切实可行与成效显著的举措。“IBM智慧城市大挑战”专家团队认为,济南在促进旅游业智慧发展方面已经取得了很多成果,如果进一步综合运用新技术手段,将进一步促进济南旅游业的发展,帮助打造泉城特色的国际旅游名城。
“IBM智慧城市大挑战”专家团队在济南进行了为期三周的实地考察与深入调研,与市政府、旅游局、园林局以及交通局等政府部门,以及景区、酒店、旅行社等旅游相关企业展开了深入的交流。特别一提的是,今年IBM还通过社交平台就济南旅游品牌进行调研,并利用收集的数据得出深入洞察。在此基础上,IBM专家团队应用在信息技术尤其是大数据分析方面的优势,结合相关国际经验,通过可执行的具体规划,为济南建设成为具有泉城特色的国际智慧旅游城市提出四点建议:
第一, 打造旅游大数据平台。针对网站、微信、微博等多渠道数据进行收集、整理和分析,满足旅游信息海量拾取、海量处理和海量存储需求,实现与广大游客主动交互。同时利用大数据平台实现各旅游部门的信息共享,为行业管理、规范市场运作提供数据支撑。
第二, 创建互动、多渠道的旅游公共服务体系。将各渠道为游客提供的旅游服进行整合,方便游客通过多种途径轻松获取旅游信息,从而创造高互动的游客体验。
第三,制定差异化旅游营销战略。在对游客数据进行分析的基础上对游客群体进行细分,针对每一群体制定有针对性的营销策略。在传播过程中突出济南特色,并承办高质量的会议,在全球范围内提高知名度。
第四,建立开放统一的产业平台以支持智慧旅游。努力发展新的经营模式,与多领域合作伙伴展开合作,利用大数据分析能力支持智慧旅游产业链,并与高校和研究中心合作创建智慧旅游孵化平台,探索新兴技术,加强行业管理智慧化。
此外,IBM还创建了智慧旅游成熟度评估模型,助力济南通过该模型清晰了解自身旅游业所处的发展阶段,以及济南旅游业实现跨越式发展所需要采取的具体行动,从而为济南打造国际旅游名城提供助力。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。