12月11日,工程和工业软件领域全球领导者AVEVA剑维软件,于2020 年 12 月 9 日在桂林举行“论剑 2020 — 剑维软件行业领袖峰会”。这次盛会旨在探讨如何协助企业在变局之下加速产业链升级、推动数字化发展。
AVEVA 剑维软件大中华区总经理万世平在峰会上发表主题演讲
聚焦以人为本的全员赋能,加速实现产业链升级
国家“十四五”规划和二〇三五年远景目标提出,“十四五”时期经济社会发展要以推动高质量发展为主题。这让经济社会发展迎来大时代和大变局。AVEVA 剑维软件大中华区总经理万世平强调,大变局下有大机遇。作为行业数字化领域领导者,剑维软件将携手行业领袖,探索推动数字化发展之道,协助企业改变传统工业运作方式,聚焦以人为本的全员赋能,实现可持续发展。
数字孪生和可持续发展仍然是新常态下的焦点
面对变局,借助数字化战略重塑运营模式,无疑将为企业赢得先机。AVEVA 剑维软件亚太区总裁 Evgeny Fedotov 在峰会上表示,从全球层面看,数字孪生和可持续发展仍然是焦点。从长远来看,利用数字孪生技术,实现全员赋能和为企业创造价值至关重要。
中国可持续发展研究会理事邵超峰博士强调,可持续发展是破解全球问题的金钥匙。数字化的价值日益突出,是实现可持续发展经济效益和社会效益双赢的关键所在。
招商局重工(江苏)有限公司副总工程师曹先锋,在会上分享了招商局重工如何携手AVEVA剑维软件,利用一体化工程设计平台(AVEVA Unified Engineering)构建数字化引擎,强调将进一步加强新一代信息技术与先进制造技术融合。

招商局重工(江苏)有限公司副总工程师曹先锋发表主题演讲
生态合作伙伴共同推动数字化发展已成必然
此次会议的高峰对话主题为“引领数字化技术,构建产业链升级新格局”,由AVEVA剑维软件大中华区总经理万世平主持,特邀嘉宾包括施耐德电气高级副总裁、工业自动化业务中国区负责人庞邢健,中石化炼化工程(集团)股份有限公司副总经理戚国胜,以及湖北三宁化工股份有限公司智能化推广办公室主任杨文华,共同聚焦如何加速产业链升级。行业领袖认为,推动数字化发展是生态合作伙伴各方共同的事业。

“论剑 2020 — 剑维软件行业领袖峰会”高峰对话现场
数字化发展是一个持续的过程,行业用户凭借其数字化实践经验正在构建产业链新格局。例如,海洋石油工程股份有限公司与剑维软件合作,重新梳理设计数据流转程序,制定数据交互标准,实现数字化升级;中国化学工程股份有限公司在工程建设领域引领了中国化工工业的数字化发展;中国长江三峡集团上海勘测设计研究院利用数字化技术驱动水电行业的数字化转型;湖北三宁化工股份有限公司打通了从边缘控制到数字化交付,再到操作员智能培训与运维的数字通路;招商局工业集团有限公司全方位使用剑维软件数字化产品进行邮轮设计,开创了中国邮轮设计的先河,并将以数字科技赋能数字化造船、数字化船厂和智慧船舶的未来发展。这些成果均是企业、剑维软件和其他各方共同推动数字化发展的结果。
目前,中国发展仍然处于重要战略机遇期。在建设“制造强国、质量强国、数字中国”大背景下, AVEVA剑维软件为客户提供灵动多维数字孪生,实现人机互联全员赋能,覆盖全资产生命周期,以人与物理资产及数字资产的高效协作,帮助企业应对复杂环境,快速提升能源效率和生产效率,加速产业链升级、推动数字化发展。
好文章,需要你的鼓励
33年后,贝尔纳多·金特罗决定寻找改变他人生的那个人——创造马拉加病毒的匿名程序员。这个相对无害的病毒激发了金特罗对网络安全的热情,促使他创立了VirusTotal公司,该公司于2012年被谷歌收购。这次收购将谷歌的欧洲网络安全中心带到了马拉加,使这座西班牙城市转变为科技中心。通过深入研究病毒代码和媒体寻人,金特罗最终发现病毒创造者是已故的安东尼奥·恩里克·阿斯托尔加。
这项由多伦多大学领导的研究首次系统性地揭示了分词器选择对语言模型性能的重大影响。通过训练14个仅在分词器上有差异的相同模型,并使用包含5000个现实场景测试样本的基准测试,研究发现分词器的算法设计比词汇表大小更重要,字符级处理虽然效率较低但稳定性更强,而Unicode格式化是所有分词器的普遍弱点。这一发现将推动AI系统基础组件的优化发展。
人工智能安全公司Cyata发现LangChain核心库存在严重漏洞"LangGrinch",CVE编号为2025-68664,CVSS评分达9.3分。该漏洞可导致攻击者窃取敏感机密信息,甚至可能升级为远程代码执行。LangChain核心库下载量约8.47亿次,是AI智能体生态系统的基础组件。漏洞源于序列化和反序列化注入问题,可通过提示注入触发。目前补丁已发布,建议立即更新至1.2.5或0.3.81版本。
北京大学研究团队提出NExT-Vid方法,首次将自回归下一帧预测引入视频AI预训练。通过创新的上下文隔离设计和流匹配解码器,让机器像人类一样预测视频下一帧来学习理解视频内容。该方法在四个标准数据集上全面超越现有生成式预训练方法,为视频推荐、智能监控、医疗诊断等应用提供了新的技术基础。