至顶网软件频道消息: 有多久不看电视了?追剧上网,看个抖音,家里的电视机有很长时间都没有打开过了吧。据统计,2018年IPTV用户数和OTT的用户数已超过现有有线电视付费用户数,电视台的广告收入持续下降,广电行业正在面临新型媒体和互联网巨大冲击。对此,在第二十七届中国国际广播电视信息网络展览会上,新华三集团广电系统部总监穆戈向记者介绍了如何通过5G、4K与智慧新应用,来实现广电行业的业务新拓展。
5G、4K、智慧这些对广电网络公司来讲是新的一些应用,广电应利用现有的网络优势,结合整个广电行业在国内相对特殊的政治定位和角色,加快广电行业向智慧化转型,这是未来的重要方向。未来整个广电行业,无论从组织上、业务定位上还是技术上,都会发生很大变化。在这个变化过程中,所涉及到的云计算、IP化、5G、4K等技术,正好是新华三的技术优势和战略方向,新华三可以助力广电应对挑战。
为了满足广电行业在广电的5G、4K与智慧应用的新需求,在本次中国国际广播电视信息网络展览会上,新华三展示出了四大核心体系与五大技术亮点:
四大核心体系:
一是智慧广电生产和制播体系,相当于是内容制作。二是智慧广电传播体系。三是智慧广电安全与监管体系,最后是智慧广电生态体系。新华三主要围绕这四大体系,把整个产品解决方案做了集中呈现。
五大技术亮点:
第一是媒体融合平台:新华三是国内最早做媒体融合平台的厂商,新华三从2015年起就参与了河南大象融媒云、北京电视台等重量级融媒云的建设。。现在新华三的媒体融合平台落地是业内最全的,从县级融合媒体平台,到省级融合媒体云,到紫光集团的紫光公有云,构成了完整的媒体融合平台,这是业内绝无仅有的。此外,省台融合云还能作为省级技术平台服务县级媒体融合,向县级融媒体中心(租户)提供各类服务。
第二在4K方面:新华三展现了整个面向4K制作、4K信号调度、4K播出及信号播出整体方案。同期展出的新华三4K高性能存储产品,是新华三助力广电行业应对4K超高清电视发展挑战的创新产品。面对超高清电视超过普通高清电视10倍的传播数据量,存储I/O和存储容量成为制约广电产业发展的技术瓶颈,而新华三4K高性能存储产品则凭借更大容量和更高I/O的存储平台,具备了出色的可扩展性以及数据密度、更长的产品使用寿命和简便的运维管理,全面满足4K超高清关键应用场景及未来发展需求。
新华三为4K应用推出的高性能分布式存储解决方案
第三在5G方面:新华三跟三大运营商一直推进合作,从端到端进行5G布局,包括5G小站、5G传输网络、5G边缘云平台,5G核心网平台以及最顶层5G系统等,各个层面新华三都有技术的布局。后续也会在这方面与广电行业有深度的合作。
第四媒体AI方面:新华三针对电视台提供统一的媒体AI技术平台,基于此承载电视台多样化的AI应用。其中,建立在新华三强大云网实力基础上的广电融媒云方案,实现了云平台的开放化、云应用的容器化,并使云安全能力得到极大提升。
第五在安全等保方面:新华三重点展示了安全态势感知相关的方案。
新华三今年广电行业业务的一大主题是赋能智慧广电,聚焦媒体融合跟智慧广电。现在整体解决方案方面的特点可以概括几个方面:
第一,在业务上,实现全流程的覆盖。从最初的素材采集、生产制作、调度发布、比较传播,一直到终端侧,新华三的产品解决方案可以实现全流程覆盖。
第二,在平台上,可以做到一体化交付,也具有很好的开放性。
第三,在技术上,完全自主可控。新华三是国有控股企业,自主创新的产品与方案安全可控。
第四,在生态上,新华三拥有全方位生态体系的合作伙伴,很多场景化的解决方案,新华三都是跟合作伙伴共同进行适配的,包括今天的展台里也有很多合作伙伴的产品在展示中。从技术上,新华三的解决方案也同步覆盖现在广电的众多热点领域,包括现在4K、5G、AI、IP化等。
在广电行业深耕20余年的新华三,从最初的模拟(电视),一直到标清、高清,到现在4K,一直在服务于广电用户。对于客户的诉求,还有这个行业未来的发展方向有着很清楚的理解。因此,新华三有能力去推动这个行业的发展,为广电行业持续发展打造数字化引擎。新华三在数字化的相关技术领域已经投入积累了十几年的时间,在云计算、大数据、大互联、大安全、AI、5G都有广泛的技术积累。另外新华三有广泛的生态合作基础。正是这些积累使得新华三有能力去给广电赋能,满足广电行业对新业务应用需求的挑战。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。