在信息化无孔不入的今天,电子设备已经成为每个人的必备品,而这也给我们的眼健康带来了极大的挑战。
像青光眼、干眼症等眼病正成为“沉默的视力小偷”, 危害着年轻人的视力健康:不少上班族都出现了眼压大、眼疲劳、视网膜薄弱等症状,且病发频次增加、发病人群越发年轻化。

据中国流行病学研究资料显示,40岁以上人群青光眼患病率为2.6%,致盲率约30%
由于青光导致的盲是不可逆的 ,预计到2020年,中国将有2100万的青光眼患者,产生近630万盲人及超过1000万的视觉残障人士,未来眼健康或许会成为影响人们生活幸福感的重要因素,给患者家庭及社会造成沉重的负担。
青光眼作为一种无法彻底治愈且不可逆的致盲性眼病 ,随着时间的推移,青光眼的患者数量只会逐年增加,未来将带给医生极大的工作量。
而且其发病、诊断又极为复杂,加之眼底病灶微小,需要具有丰富经验的眼科医生利用专业设备进行筛查,大大制约了眼底设备的使用范围及青光眼筛查速度。
为此,苏州微清医疗器械有限公司、苏州大学附属第一医院(以下简称“苏大附一院”)及华为苏州人工智能创新中心强强联合,经过多次的沟通和交流打造了全自动AI辅助眼底诊断系统 ,积极赋能苏州医疗产业智能化转型和产业集群发展。
可以说此次合作,为未来的AI辅助眼底诊断系统助力眼科疾病治疗,开启了一条“光明”之路。
联合创新,打造全自动AI辅助眼底诊断系统解决方案
当前,各地政府都在积极的促进区域内产业集群发展,推动产数融合,以释放城市的发展动能,实现打造数字化企业、构建数字化产业链和培育数字化生态的三大数字经济发展目标。但产数融合不是简单的对先进技术进行叠加,而是对企业发展管理、数据治理、业务协作、行业经验等全流程实现数字化赋能的过程。基于此,华为苏州人工智能创新中心与微清、苏大附一院强强联合,分工合作,共同打造了全自动AI辅助眼底诊断系统解决方案。其中,由微清 提供世界领先水平的眼底照相机设备;
苏大附一院 提供海量临床数据采集、病例分类标注分析及后期临床指导验证;
华为云EI算法团队 :
基于微清的设备、苏大附一院的数据标注,结合小样本医疗图像分割、深度神经网络、自动化学习深度神经网络等人工智能技术。
利用华为云在AI算法和平台上的领先技术,实现对青光眼等眼底病变的AI识别辅助诊断。
同时结合微清硬件设备+华为AI模块,完成AI辅助眼底诊断模型研发。
三方联手打造的全自动AI辅助眼底诊断系统解决方案,以赋能医疗领域产数融合转型,提升医疗产业集群高速发展。
据悉,华为打造的全自动AI辅助眼底诊断系统解决方案在视杯视盘上的分割精度(Dice系数)达到92.5%/97.5%,超过国际水平(青光眼视杯视盘分割比赛Refuge2018第一名精度为88.3%和96.0%)。目前,该方案已经能够成功输出毫秒级诊断结果,工作效率超出医生检查效率数百倍,高效实现了青光眼AI辅助诊断筛查、评估,并大幅降低了青光眼筛查诊断对医生的经验依赖和青光眼筛查门槛。与此同时,在行业发展方面,该解决方案也大幅提升了微清产品的市场竞争力,为未来微清产品走向千家万户提供了可能。
立足实际,打通数字与产业壁垒
一直以来,实体经济都是中国经济发展的着力点,但随着社会智慧化的演变,不少实体经济在发展方面逐渐力不从心,以至于不少企业都开始寻求企业数字化转型,并希望通过应用数字化技术,建立系统化管理体系,提升企业价值创造能力。进而推动产业链实现固链、补链和强链的全面升级。而苏州微清与华为云的合作也正是如此,它就社会现状及对未来前沿市场发展的预测,率先利用AI赋能提升了医疗设备的工作效率和精准度,抢占了未来医疗市场的先机。而通过与华为云合作实现企业赋能发展的企业,并不止苏州微清一家。据了解,近年来华为云与地方政府积极合作,发挥双方优势,共同建设产业云,以华为云创新中心模式建设了一批特定区域、特定行业和专业领域的产业集群赋能平台,帮助企业打通数字和产业壁垒,实现效益倍增。目前,华为云产业云已在全国落地120+个创新中心、产业集群攻关基地,通过联合300 多家伙伴,为1.7 万家制造企业开展数字化转型,从业务流深入“研产供销服”5 大类制造场景,以电子、装备等产业集群实践经验及优势,拓展覆盖到汽车、石化、钢铁、五金等15+个产业集群。 同时,华为云还基于其强大的客户积累,打造出了合作伙伴长期合作共赢的创新生态,帮助生态内合作伙伴实现企业智能升级和创新增长。
由此可见,目前企业上云已成为一大发展趋势,而从企业成长生命周期来构建赋能平台,也必是未来企业实现从小企业到大企业、从大企业到卓越企业跨越的最可靠途经。产业上云正当时,未来,产业云将重塑区域发展新格局,汇聚产业变革新力量,注入企业成长新动能,培育生态繁荣新土壤。华为云也愿意携手政府、企业及更多的伙伴,共同构筑中国经济产数融合的坚实底座,赋能城市产业集群创新发展。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。