至顶网软件频道消息:10月9日起,《深圳晚报》、《环球时报》、《北京青年报》、《武汉晚报》、《南京晨报》、《晶报》、《华西都市报》、《北京晚报》、《重庆晚报》、《法制晚报》等十家主流报刊陆续刊登了华为云在各行业的案例成果,在十刊落地后更是“召唤”出华为云的品牌Slogan“有技术、有未来、值得信赖”,引起科技圈多家媒体和KOL纷纷开启刷屏模式,俨然掀起一阵“全民打call”热潮。
近年来,云计算、人工智能、大数据等前沿技术发展突飞猛进,各行各业数字化、网络化、智能化融合发展的趋势也成为必然。那么,如何与时俱进、完成数字化转型,打造具有持续生命力的发展模式,则成为各家企业始终绕不过的命题。这次十家报刊就刊登了华为云在工业、交通、制造、零售、文博、游戏、教育、互联网等行业的十大案例文章,切实与行业场景相结合,在揭示AI技术落地实践路径的同时,也为更多行业带来了示范与借鉴作用。
从《深圳晚报》的文章可以了解,华为云在提供负载均衡、高可用数据库、资源智能调度、云加密等技术,让“深圳通”插上“云”的翅膀,保障系统安全稳定,改善市民出行体验;《北京青年报》的文章则介绍了通过华为云单线路T级DDoS高防IP服务以及百万QPS级CC防护,IP游戏运营商中手游的用户体验逐步升级;通过《武汉晚报》的文章,可以了解到华为云相继运用对象存储OBS技术及自动化弹性部署等技术让渲染行业数字革新,助力影视特效制作任务化繁为简;而《南京晨报》的文章则介绍华为云凭借PaaS、GPU加速等技术让工程监测的准确度再上台阶,为房屋建筑的安全赋能……
一直以来,华为云致力于打造开放、创新的云平台,以及“用得起、用得好、用得放心”的普惠AI平台,提供稳定可靠、安全可信、可持续创新的云服务,帮助企业数字化转型,帮助各行各业智能化升级。
截至2018年9月底,成立仅一年多的华为云已经上线 18 大类 128 款云服务,以及SAP、HPC、IoT、安全、DevOps等60+通用解决方案,制造、电商、游戏、金融、车联网等80+行业场景解决方案。华为云IPV6解决方案已上线。
值得一提的是,在这两天召开的2018华为全联接大会中,华为也发布了全球首个覆盖全场景人工智能的Ascend(昇腾)系列芯片。基于此,华为云EI的全栈全场景服务也将实现强力升级。
同时,华为云这次还推出了EI城市智能体、华为云AI全流程开发平台工具(包括AI开发平台ModelArts、视觉AI应用开发平台HiLens以及量子计算模拟器与编程框架HiQ),而这些也势必将成为华为云进一步打破AI发展瓶颈,助推AI产业整体发展的重要驱动力量。
不得不说,无论是华为云的技术实力还是致力于让AI普惠落地的理念,都值得这一波“全民打call”,而华为云的种种成绩也恰恰印证了这次召唤出的华为云Slogan“有技术、有未来、值得信赖”所具备的内涵——“有技术”是指华为云依托华为30年的技术沉淀,为企业打造扎实的技术底座;“有未来”指华为云希望与客户一同创新成长、面向未来;而“值得信赖”则意味着在为广大客户提供服务时,华为云将坚持以“客户为中心”,坚持“不碰数据、不做应用、不做股权投资”的三不原则。
伴随着越来越多产品与解决方案的落地,华为云凭借过硬的产品和服务赢得越来越多合作伙伴的口碑与信赖,很多政企客户也将核心数据、价值数据安心地搬到华为云上。
现在,华为云通过云服务的方式将华为30多年在ICT基础设施领域的技术积累和产品开放给客户,做智能世界的“黑土地”。华为云的“有技术、有未来、值得信赖“ 或许也可以简单概括为华为云“有技术”,选择华为云的客户和合作伙伴“有未来”,同时双方彼此“值得信赖”。而这些,无疑都会让华为云所提出的“普惠AI”的行业未来进一步得以预见。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。