
北京时间2023年7月5日上午,2023全球数字经济大会主论坛在北京国家会议中心开幕,中兴通讯董事长李自学先生带来了主题演讲。在演讲中,李自学先生强调了中国未来技术创新方向的明确路径,就是大会的主题:数据驱动发展、智能引领未来。
李自学表示,习近平总书记高度重视信息基础建设基础设施的发展,并且强调加快新型基础设施建设,打通经济社会发展的信息大动脉。2022年国务院印发《“十四五”数字经济发展规划的通知》标志着我国数字化建设进入了崭新的发展阶段。
新一轮的科技革命和产业变革为全球带来新的发展机遇,特别是在中国,数字经济发展尤其迅猛,预计到2025年我国数字经济的规模将超过60万亿,数字经济新的浪潮将带来从创新应用到信息基础设施等各个层面新一轮的发展机遇。
中国的数字经济发展尤其迅猛,预计到2025年,中国的数字经济规模将超过60万亿。中兴通讯作为信息通讯行业的领军企业,积极参与数字中国的建设,围绕着三个方面展开工作,以推动数字经济的高质量发展。
第一,完善新基础设施建设,打造数字经济发展的基石。截至今年5月底,中国的5G基站数量超过284万个,占全球的60%以上。中国的算力规模已达全球第二。李自学强调,数字基础设施建设的目标应围绕以下三个方面:首先,建设极致高效的数字基础设施。通过运用AI、大数据、数字孪生等技术,提升网络智能化的运营效率。其次,推动数字基础设施的深度融合,通信网络应从以信息传递为核心的基础设施转变为融合计算和存储的智能化、综合性的数字基础设施。最后,构建更绿色的数字基础设施,推动数字基础设施的绿色化、低碳化。
第二,李自学强调了强化基础软硬件创新、推进核心技术突破的重要性。他表示,核心技术是国家的重器,只有在这个领域上自主自强,才能掌握主动权,充分发挥数字技术的驱动力,塑造新的国际竞争优势。他提出,要围绕以下三个方面强化核心技术创新,解决痛点问题,筑牢产业发展的根基。首先,加强研发投入,建立竞争优势。其次,李自学强调了中兴通讯对底层软硬件核心技术的自主创新,最后,他强调了创新链条整合能力的重要性。
第三,李自学强调了深度发展,构建能力平台和挖掘深层价值场景的重要性。他表示,传统产业的数字化转型已经从探索试点的阶段,逐步迈向规模复制推广的阶段。在这个过程中,重要的是构建数字化赋能平台和深挖高价值场景。
李自学还强调了深挖高价值场景的重要性,他表示,产业数字化转型的本质在于优化、创新和重构价值体系。中兴通讯利用“5G+数字星云”的架构,围绕15个重点行业,探索100多个应用场景。同时,中兴通讯响应了国家数字乡村建设的号召,在河南和江苏推出了5G智慧果园和5G智慧水稻种植的项目,利用5G、VR和机器视觉等技术,成功提升了农户的收入,并减少了种植的成本。
李自学呼吁,未来已经来临,我们要以高瞻远瞩的视野和大胆的实践,引领数字科技的自主创新,大力投入“5G-A通感算控”、AI大模型和垂直模型等前瞻技术的研发,持续向高价值跃迁。中兴通讯作为数字经济的筑路者,将继续与各方伙伴广泛合作、持续创新,推动产业数字化、智能化的发展,为构建数字中国贡献力量。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。