从左至右:InterSystems亚太区总经理Luciano Brustia(卢侠亮),InterSystems 战略规划副总裁Paul Grabscheid,浪潮集团副总裁高传贵,浪潮集团健康医疗事业部、合作伙伴部副总经理赵菲
日前,全球医疗信息技术领域领导者InterSystems在一年一度的美国全球医疗信息化峰会上与中国领先的云计算、大数据服务运营商浪潮集团正式签署战略合作协议。InterSystems将携旗下核心产品——IRIS数据平台医疗版,为浪潮集团健康医疗大数据提供专业化平台技术与全球领先经验,双方将共同推进健康医疗大数据平台的创新与应用,加快医疗大数据的开放共享,为促进人工智能创新技术与医疗健康服务融合的“互联网+医疗健康”发展做出贡献。
浪潮集团作为国内领先的大数据平台服务运营商,始终以数据为核心、技术和服务创新为导向,努力协助政府、个人、医疗机构和应用企业打造创新的大数据平台,携手合作伙伴共同构建数据社会化大生态。作为国内为数不多的开展健康医疗大数据平台建设和运营服务的企业之一,浪潮集团自发展健康医疗大数据以来一直备受业内及社会的广泛关注。健康医疗大数据平台的建设,不仅要实现所有健康数据资源的统一管理,更重要的是基于数据标准和安全,基于数据标准化和质量管控,真正实现各类机构的数据异构共享,安全快速释放数据价值。
“我们很高兴能够与InterSystems达成战略合作协议,InterSystems的先进技术帮助全球众多大型医疗机构和区域卫生健康管理体系在快速开发部署和互操作方面实现创新和变革,旗下IRIS数据平台是集事务处理与分析与一体的高性能数据技术支撑平台,提供了所需的所有工具和功能,包括数据全生命周期管理、互操作性、事务处理与分析等,IRIS医疗版还预设医疗消息之间进行数据转换的模型,支持FHIR等先进特性,不仅能够对海量医疗数据进行分析洞察,还能够协助我们打通各医疗数据平台,实现各类健康医疗数据互通共享。此外,InterSystems IRIS 还提供开放的环境,支持合作伙伴进行应用的快速开发,满足广泛的场景和应用需求。”浪潮集团副总裁高传贵表示。
2019年2月,InterSystems便开始与浪潮集团展开创新研发合作,在完全遵循安全框架下,双方开展了大数据平台技术方案的创新研发与试点,并为其提供InterSystems Health Connect互联互通解决方案和IRIS数据平台医疗版。其目标是通过全球领先的技术和应用经验,联合研发先进的大数据技术应用支撑平台,创造内置国际医疗数据标准和创新经验,符合中国安全标准的应用方案,共同助力大型医疗机构和区域健康信息平台实现大数据互通融合,促进健康大数据应用,推动在数据治理、数据互操作性、疾病与健康预测方面加快人工智能和国际经验的创新应用,在实现惠民助医的同时,培育大数据与人工智能产业的新业态和经济增长点。
InterSystems亚太区总经理Luciano Brustia(卢侠亮)在签署仪式上对此表示,“InterSystems很高兴能够携手浪潮集团,与浪潮集团合作,充分融合各自优势,助力中国健康医疗大数据平台的创新研发与应用,通过产业生态的力量,共同推进中国乃至全球健康医疗大数据和医疗服务新兴产业的快速发展。”
一直以来,InterSystems都非常重视中国市场。随着中国经济的高速发展,人民生活水平得到快速提升,与此同时,大家对医疗健康服务的需求也在逐步增长。InterSystems战略规划副总裁Paul Grabscheid表示:“中国的健康产业正迎来前所未有的大发展、大繁荣时期,InterSystems很荣幸能够参与到中国健康事业的发展之中。在未来,我们也将竭尽所能,将更多优秀的产品技术带来中国,为中国大健康、大卫生、大服务、大共享的新时期卫生健康发展提供支撑。”
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。