6月29日,在2018中国建设行业年度峰会主论坛现场,微软公司、华为技术有限公司、广联达科技股份有限公司三家不同领域龙头企业联合宣布,将面向建筑行业提供集硬件基础设施、云平台、行业应用于一体的整体混合云解决方案,以满足工程项目、行业企业在数字化转型过程中对于不同场景下混合计算的需求。这也是国内建筑领域首次正式发布的一体化混合云解决方案。
混合云被认为是当下企业上云最现实的选择,建筑行业企业同样如此。建筑行业是一个需要多方协同的行业,一个项目通常会有甲方、设计方、施工方、建材供应商、监理等参与其中,它们因项目而聚合,因项目完成而结束。这个过程中需要实现数字化提高协作效率,降低沟通成本。
而另一方面,建筑行业的IT水平相对较低,除了设计阶段和招投标阶段一些企业做到了数字化,在绝大多数领域并没有实现数字化,这严重影响了数据的深度挖掘和利用。因此,加紧数字化的脚步成为建筑行业的当务之急。对此,在建筑行业扎根20年的广联达深有体会。
广联达科技股份有限公司总裁袁正刚在接受记者采访时表示:“目前,建筑行业数字化还处于开始阶段,这一个阶段的重点工作应该是数字化阶段,也就是先把数据采集上来。在此基础上才能有后面的智能化。而在数字化的过程中,混合云是一种非常适合建筑行业的模式。”
袁正刚解释说,这是因为建筑行业有大量的工作是在工地现场发生,工地现场网络条件不好,如果是纯公有云模式,数据无法传输,数据就无法利用。而混合云模式数据可以在本地进行采集、本地存储、本地处理,等需要时再和其他共有云进行连接,跟项目相关企业合作。这也是广联达联手微软、华为共同推出混合云解决方案的背景。
据记者了解,此次微软、华为、广联达三方合作推出的混合云解决方案基于微软的Azure Stack构建。其中,华为提供全新一代基于英特尔至强可扩展处理器的FusionServer V5服务器和CloudEngine低时延、无损交换机;微软提供与公有云架构一致的Azure Stack混合云平台,包括虚拟机、云存储、网络、集群管理、应用市场等服务;广联达则聚焦建筑行业,提供智慧工地、BIM建造、数字企业、规建管一体化、甲方BIM+PM一体化等行业应用和解决方案。
微软的Azure Stack无疑是本混合云解决方案的一大特色。Azure Stack是微软推出的一款与微软Azure云完全同构的云平台。它的底层基础设施采用认证方式(华为是通过认证的IT厂商之一),并与底层硬件实现紧密集成。也正是因为它与Azure云完全同构,使得未来企业业务在与Azure云连接和进行应用迁移时变得非常容易。
另外,Azure Stack还能方便地把微软其他各项技术集成进来:比如,通过部署在项目现场集成了微软物联网技术的智慧工地平台能够对项目现场数据进行更加及时高效的处理、分析和响应,从而更加高效智能地进行现场管理;将Azure Stack与大数据、人工智能等技术相结合,对来自多个项目的海量数据进行大数据挖掘和智能分析,可为企业经营和项目管理提供更加科学的决策支撑;在满足离线使用和数据监管的前提下,部署在Azure Stack环境的项目和企业解决方案能够与部署在公有云环境的多方协同平台联动,将满足项目各参与方共享数据和多方协同的需要。
微软大中华区副总裁兼中国区业务副总裁蔡恩全表示,“微软是做软件平台的公司,很少直接提供行业解决方案,因此我们需要选择合作方。而像这样一个解决方案,集合了最好的硬件、最好的云计算技术和最好的行业支持厂商作,无疑是一个值得肯定的方向。”
作为底层基础设施的供应商,华为在产品的交付上也发挥了重要作用。华为IT服务器产品线副总裁张小华表示,联合推出这个混合云解决方案,集成了华为16年在硬件上的积累,也很好地展现了华为的软硬件整合能力。同时,华为也非常认可这种合作模式,也愿意持续投入。
目前,建筑业正在进行数字化转型,日益增长的数据量和日益丰富的应用场景,对建筑云的能力、形态和部署方式提出了更多、更高的要求。而此次广联达与微软、华为建立融合公有云和私有云的混合云解决方案就可以广泛地应用多种场景,包括建筑工地现场、建筑企业内部以及用于多方协作,从为建筑行业的数字转型之路提供有力的支撑。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。