10月27日,成都高新区“一网统管”第四季度治理场景拉练在成都市网络理政中心召开,并对后续智慧城市建设工作进行规划部署。作为成都高新区智慧城市建设的重要参与者,紫光股份旗下新华三集团围绕“一网统管”建设目标规划的多个城市数字化解决方案在会上进行了可视化演练,同时新华三智慧城市研究院就成都高新区城市大脑2.0建设情况在现场进行了汇报,展现了新华三在成都高新区智慧城市建设中所发挥的核心价值。

成都高新区召开“一网统管”第四季度治理场景拉练
新华三集团城市数字大脑研究院院长岳鹏表示:目前成都高新区城市大脑在围绕城市数字孪生不断演进,孪生体构建以有颜值、有思想、有前景三方面展开,持续完善、迭代生长,最终将实现一切数据的时空化。

新华三集团城市数字大脑研究院院长岳鹏汇报建设成果
随着国家在“十四五”规划中明确指出要推行“一网统管”城市运行机制,成都高新区作为当地的数字化建设示范区域,在日常工作中充分发挥主观能动性,制定提出了大力推动城市运行“一网统管”的建设目标,并以“智慧韧性安全城市建设工程”和“超大城市治理”为指引,依托城市大脑数字底座,构建“3+4+5”即“三大资源、四大能力、五大机制”的智慧治理新模式,持续推动城市运行“一张网”落实到实处,为成都高新区城市治理数字化、智慧化转型保驾护航。
其中,新华三集团以技术赋能的方式积极响应成都高新区的目标需求,通过自身前沿的智慧城市建设理念和扎实的技术能力,围绕智慧养老、阳光药械、大型活动申报管理、运输车辆监管服务、水气土环保治理五大场景进行了数字化重塑,以集中化、便民化、精细化、专业化的城市治理手段,全面助力成都高新区达成“一网统管”建设目标,切实提升市民的获得感与幸福感。
成都高新区在城市治理过程中不断以民生诉求为方向,联合新华三集团面向老年人群体推出智慧养老综合信息平台,通过人员数据概况、服务数据、实时视频、关爱地图四大板块,以“政府主导、社会参与、市场化运营、老年人受益”为原则,逐步完善当地养老体系,让数字化方式渗透到老年人的日常生活中,实现智慧化养老体验。
在日常药械管理方面,新华三集团为成都高新区规划了阳光药械智慧监管专题,进一步提升高新区药品、医疗器械经营质量安全监管工作实效。目前,高新区已有741家三类医疗器械经营企业入驻阳光药械系统;基于平台的日常监测机制,至今已开展企业检查299家次,发布风险预警158条次,发布信息7689条次,获得了企业、监管部分的良好反馈。
面向区域内大型活动申报管理应用场景,新华三集团通过技术手段帮助成都高新区建立了全生命周期管理机制,借助可视化模块、申报模块、审批模块及现场检查等模块,实现了大型活动“事前申请、事中调度、事后溯源”的全流程管理,提升了大型活动管理效率,大幅度减少了人力、时间、突发应对等方面的成本投入。
针对城市运输车辆监管工作,新华三集团推出了道路运输车辆动态监管服务平台,以此来帮助成都高新区对危货车、运渣车、商混车、网约车等进行重点监管。平台通过移动网络对车辆的即时动态、司机状态变化、司机驾驶习惯等多维度数据进行实时传输,结合人工智能+大数据算法,实时监测驾驶风险,并对风险进行分类、分级、干预和预处置,从根本层面杜绝了社会特殊车辆可能存在的日常安全隐患。
在辖区日常环保治理上,成都高新区与新华三集团重点打造环保水务智慧监管系统,聚焦于统筹力度不足、应用分散、数据分析挖掘不深等问题,借助5G物联网、人工智能、大数据、云计算等技术,完成了11个业务应用场景的搭建,实现了环境感知网络的全面升级,对环境保护管理决策与社会化服务进行了有效支撑。
成都高新区与新华三集团的合作由来已久,双方于2020年达成战略合作关系,就当地智慧城市建设和“城市大脑”打造展开全面合作。未来,新华三集团将持续以“云智原生”战略为指引,依托紫光云与智能事业群的全面数字化能力,不断实践“数字大脑2021”,进一步深化与成都高新区的合作,加快智慧城市建设升级步伐。
好文章,需要你的鼓励
跨境电商平台的崛起,让家居企业不再只做幕后生产者,而是以品牌形态直接触达全球消费者,逐渐从幕后走向台前。在这一潮流中,跨境家居电商赛道的“老玩家”,致欧家居科技股份有限公司(以下简称“致欧家居”)正通过数字化供应链,重塑跨境家居电商的“护城河”。
DeepSeek-AI团队开发的DeepSeekMath-V2突破了传统数学AI只关注答案正确性的局限,首次实现了AI的"自我验证"能力。该系统在2025年IMO竞赛中达到金牌水平,在2024年普特南竞赛中得分118/120,远超人类最高分。这项技术通过训练AI像数学专家一样检查和改进自己的推理过程,为AI辅助数学研究和教育开启了新的可能。
华硕Ascent GX10 GPU采用了最新的Blackwell架构,这一架构针对Diffusion模型和Transformer等主流AI模型配备了专门的加速单元。
这项由伊利诺伊大学与谷歌联合开展的研究提出了"分离然后合并"(StM)的视频合成新方法,通过自动分解5万个视频片段创建了大规模训练数据集,解决了传统方法无法同时保持原始动作和实现环境适应的问题,让AI能像经验丰富的演员一样既保持特色又融入新场景。