以萨技术携手昇腾AI,把握数字城市建设的“智慧灵魂”

简介: 以萨技术携手昇腾AI,把握数字城市建设的“智慧灵魂”

1990年智慧城市的概念第一次被提出算起,智慧城市的发展历程已经走过了整整32年,从信息化时代数字城市的建设目标,到互联网时代的无线城市,再到数字经济时代的智慧城市。

近年来,尤其在新基建和数字中国等宏观政策的驱动下,中国的智慧城市也纷至沓来,据不完全统计,中国有超过500个城市宣布过智慧城市建设计划。以“智慧”为建设目标的城市比比皆是,但绝大多数的城市,却只有智慧城市的外壳,而缺乏智慧城市的灵魂


比如,大量在建的智慧城市依然存在基础条件缺乏公共支撑,基础设施重复建设和资源无法充分整合等问题。这在数字城市运营商以萨技术看来,解决问题的关键是加强城市的全域数字化精细治理,以确保智慧城市的持续健康发展。


1 “全域治理”直面智慧城市三大挑战


早在2015年成立之初,以萨技术就从公共安全领域开始逐渐切入数字城市领域,如今以萨技术的平安城市解决方案主要覆盖公安部、20余个省级公安机关及200余个市级和县区级公安机关、20余个市级、县区级公安交管部门、10余个市级和县区级政法委员会;数字政府解决方案主要覆盖北京、天津等地的政府单位及企事业单位。目前以萨技术已成为一家业界知名的数字城市运营商。对于智慧城市面临的问题,以萨技术股份有限公司副总裁姚巍认为,当今的数字城市建设普遍存在三大问题:第一,绝大部分都是空中楼阁。不具备完善的基础条件、欠缺足够的公共支撑,使得建设成效微乎其微;第二,存在大量重复建设。对有多少设施、汇聚多少数据、能用多少能力不清楚,导致重复盲目投入;第三,无法可持续发展。前期已建资源没有充分整合,新的建设只会延续现状,难以做到统筹规划、持续积累;确如此言,智慧城市建设鲜有成功案例的第一个重要原因是城市的复杂性很高,包含了几乎所有大行业,比如,交通、教育、环保、通信、旅游、工商业等维系城市运转的多个子系统都涵盖其中。如何让这些各司其职的系统交汇并交融,一直是智慧城市运行过程中的大难题。另外,很多智慧城市项目只是从单纯的建设角度解决了具体行业的数字化需要,但却没有从智慧城市的总体入手,建成了很多新的数字孤岛,数据无法拉通,智慧无法共享,这样的城市就不是真的智慧。所以,对智慧城市这样庞大的工程,必须要有一个高屋建瓴式的顶层设计,自上而下地规划,从智慧城市的具体构想,到项目的执行和评估标准,再到子系统的配合执行、各环节的互联互通,换言之,智慧城市的“底座”是非常关键的。这也是为什么姚巍会提出“全域数字化精细治理”的原因,扎实、完善的数字底座,是智慧城市实现数据通、网络通、资源通、系统通和业务融合这“四通一合”并走向长期持续演进的关键。


  2    三条“必经之路” 支持智慧应用百花齐放


姚巍认为,要做到全域数字化的治理,就要夯实数字底座,建立共享机制,并繁荣应用生态。以萨技术又是如何做的呢?首先,夯实数字底座的本质,是让智慧城市所需要配套的软硬件基础设施搭建完善,以作为整个城市智慧治理的“能力”平台。比如通过一张网,融通电子政务外网、互联网、感知网、业务专网,形成四网合一,再比如整合新旧系统,涉及的所有资源,统一纳管形成一个资源池等等。


很明显,四网合一,加上统一的资源池,就可以将城市已经建好的算力做到逻辑统一管理,做到按需分配,做到算力“流到”哪里,哪里就能够产生“智慧”。其中一个重要的细节是要建立一座能力库。姚巍坦言,城市中即便是一个普通的区县,每天接入的数据量都是数以亿级的,而且包含大量需要人工智能识别分析的视频、图像和语音。传统的系统架构,显然已经无法支撑这样的需求。因此要从传统信息化时代,“以人为主,机器为辅”,转向数字化时代“以机器为主,人为辅”的新局面。一个关键就是让人工智能、数据智能等技术成为可用的资源,形成统一可复用的能力库。而昇腾AI就是以萨技术构建人工智能能力库的重要伙伴。据了解,基于昇腾AI,以萨技术的视频图像全目标结构化解决方案于2022528日,完成与华为Atlas 300I Pro推理卡的兼容性测试。该方案让视频图像数据分析性能较原有提高3倍,达到业界领先水平。正是这样出色的表现,让姚巍笃定,“目前来看,昇腾AI已经成为中国最主流的AI软硬件平台之一。”其次,共享机制的建立,是在数据不出域、可用不可见,保护个人隐私和确保数据安全的前提的共享。以萨技术将建立“数据银行”,形成数据运营、管理、服务一体化机制。将数据真正转化为资产,为整个城市的治理和运转提供数据支撑。客观地说,共享机制的建立很好的解决了过去智慧城市,数据孤岛林立,数据无法拉通的难题,它的关键在于数据的资产化,并没有改变数据的所属权,而是让数据通过资产化,直接产生价值。第三,构建繁荣的应用生态。开放的生态目的都是为效率服务的。按照以萨技术的测算,将平台接入的存储感知体系的数据都纳入到平台当中,会让原来需要十天的研发工作量变成一个小时,这就可以保证应用的快速上线,满足城市日益变化的治理需求。这个平台目前是对所有的生态合作伙伴开放,以此来推动城市应用的百花齐放。


正是以这三条必经之路支撑多领域精细治理应用场景,构建起广域覆盖的数字化治理体系,赋能了诸多城市应用,在智慧城市建设中发挥应有的价值。


3 携手昇腾,夯实城市智慧底座


可以说,是智能化技术打破了城市治理的空间格局,基于大量智能终端设备采集的海量数据,进行智能分析,让智能遍布城市的每一个角落。如姚巍所说,“我们接入几万个视频,对车、人、行为、场景做各种分析,比如某个以农业为主的县,通过无人机拍照,分析果园的大小,病虫害情况,河道是否堵塞,这些治理能力都是依靠人工智能来解决的。”这背后皆有以萨技术视频图像全目标结构化解决方案的功劳,依托华为Atlas 300I Pro推理卡强劲的AI推理和视频编解码能力,在模型、算法工程、系统等方面做了大量调优工作,让视频图像数据分析处理能力由原来的20路提升到现在的60路,实现3倍性能提高。早在201810月,以萨技术就开始基于昇腾AI进行算法适配与开发了,这期间产生的具备超万路视频实时结构化联网分析能力的创新成果,能够满足如校园、园区等轻量级场景,以及交通管理、市域治理、智慧城市等重量级场景下的各类业务需求,在多个项目中得以落地应用。姚巍说,“我们发现昇腾平台在技术上和设计的理念上,对以萨技术来说是个非常好的支持,迁移的过程平滑顺利,并在整个智慧城市建设,和数字底座建设过程当中,发挥了很大的作用。”如今,昇腾AI产业的发展也进入到全面升级的新阶段,华为将携手众多和以萨技术一样的合作伙伴,凝聚各方智慧,不断突破向上,与生态伙伴共成长,以人工智能技术带动数字经济腾飞,使能千行百业智能化升级,共同推进中国人工智能产业的发展。

携手昇腾,以萨技术洞悉了智慧应用的价值,也就把握住了智慧城市的“灵魂”。

相关文章
|
5天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
35 3
|
3天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
62 11
|
8天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
44 4
|
8天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
12天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
11天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。
|
11天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
医疗行业的语音识别技术解析:AI多模态能力平台的应用与架构
AI多模态能力平台通过语音识别技术,实现实时转录医患对话,自动生成结构化数据,提高医疗效率。平台具备强大的环境降噪、语音分离及自然语言处理能力,支持与医院系统无缝集成,广泛应用于门诊记录、多学科会诊和急诊场景,显著提升工作效率和数据准确性。
|
9天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第33天】随着人工智能技术的不断发展,其在医疗领域的应用也越来越广泛。从辅助诊断到治疗方案的制定,AI技术都发挥着重要作用。然而,随之而来的挑战也不容忽视,如数据隐私保护、算法的透明度和可解释性等问题。本文将探讨AI技术在医疗领域的应用及其面临的挑战。
20 0

热门文章

最新文章