日前,杭州高新区(滨江)全域未来社区建设推进大会在杭州智慧e谷召开。会上,紫光股份旗下新华三集团全力打造的杭州高新区(滨江)数智社区一体化平台重磅推出,实现社区数字治理平台的“一体化”、“组件化”开发。

杭州高新区(滨江)全域未来社区建设推进大会现场
杭州高新区(滨江)是首批国家高新区,跻身世界一流高科技园区建设序列,是全省高质量发展的“一面旗帜”。在过往社区治理和服务过程中,杭州高新区(滨江)的基层社区都希望数字化改革能赋能本社区的治理,但是62个社区各自建设将会出现业务逻辑不一致、界面风格不统一、重复投入不经济问题。新华三集团积极响应高新区(滨江)需求,贯彻一体化、利旧集成、节约高效的原则,全面助力建设并正式上线了“可看可用、一屏总览、一网统管、一键智达”的数智社区一体化平台。该平台提供成熟的数据体系、成熟的应用支撑引擎、成熟的生态协同套件,一体化支撑滨江全域62个社区治理和服务的数字化转型,将全区各层级(包括区级部门、街道各部门、社区、业委会、物业公司、居民等)的反馈、诉求、工作难点归集后进行集中分派、处置和解决,实现了以社区为中心的各级业务协同、数据协同,助力滨江推进全域未来社区建设,打造浙江共同富裕样板区。

杭州高新区(滨江)数智社区一体化平台应用模块
杭州高新区(滨江)数智社区一体化平台成功构建治理端、服务端两个方向的入口。其治理端包括决策分析模块的党建引领、平安创建、事件处置、民生服务等五个主要功能页面,以及工作处置模块的事件中心、防汛防台、智慧消防、社区传呼台等七大应用场景,叠加了社区的网格地图以及社区范围内智能安防、充电桩等物联设备图层。

杭州高新区(滨江)数智社区一体化平台-七甲闸社区
杭州高新区(滨江)数智社区一体化平台移动端则为社区居民提供了一个在线反馈自己心声、在线便捷获取社区服务的即时渠道。平台实时收到群众反馈的事件,并根据事件位置自动派发给附近的网格员。网格员可以对事件进行办理,流转给其他网格员、物业或网格长,可以退回、办结事件,可以将需要上级部门配合处置的事件上报给基层治理四平台。未来,平台根据上级部门要求,将事件上在区级部门之间流转,实现事件数据基层一次录入、多业务系统流转处置。事件办结后,报送人可以收到评价短信。当然,网格员也可以通过手机端来进行移动办公。下一步,数智社区平台将在丰富场景、加强数据协同、提升智慧化等七个方面加快推进,迭代更新,目标在2021年底推广覆盖至全区所有社区,更广泛地实现数字化赋能基层治理,帮助社区减负增效。新华三集团自2019年6月加入杭州城市大脑建设队伍,2021年8月始研杭州高新区(滨江)数智社区一体化平台。在时间紧、任务重的建设需求下,新华三项目团队仅用20个工作日就实现了平台建设的“从0到1”,高效率高质量完成数智社区一体化平台,并于杭州高新区(滨江)全域未来社区建设推进大会上正式完成首发。
未来,新华三集团将贯彻落实滨江区委区政府相关政策和要求,潜心数智社区一体化平台建设,在“一屏掌控、一网统管、一键智达”的基础上探索更多建设内容,并将平台的长效运营、滨江未来社区建设的长期支撑作为重点考量。秉持“以人为本”的城市数字化解决方案建设理念,依托紫光云与智能事业群涵盖“芯-云-网-边-端”的数字化能力,新华三集团将在运营、交付、数据、生态等领域,竭力为建设杭州高新区(滨江)全域未来社区做出贡献。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。