【中国深圳,2022年11月23日】华为宣布加入国际电联的Partner2Connect数字联盟,承诺到2025年将为全球80多个国家的约1.2亿偏远地区人口提供联接到数字社会的能力。
华为董事长梁华在2022可持续发展论坛上宣布了此项决定,并与国际电联及联合国官员,柬埔寨、尼日利亚、孟加拉、巴基斯坦等多国电信部及监管机构官员,以及中国、德国、比利时、南非等国的商业领导者、学者、合作伙伴和客户等共同探讨ICT技术创新如何在数字经济时代释放泛在联接的商业价值和社会价值,促进可持续发展。
国际电联副秘书长Malcolm Johnson表示,“显然,仅仅实现联接还不够。必须提供经济实惠的联接服务,相关的本地化内容,并确保用户具备充分利用联接的技能。感谢华为对Partner2Connect(P2C)数字联盟的支持,也感谢华为在农村联接和数字技能等关键领域作出的P2C承诺。”
联合国驻华协调员Siddharth Chatterjee呼吁政府、私营部门、学术界、民间团体等利益相关方开展合作,解决当前发人深省的数字鸿沟,即世界三分之一的人口仍然不能上网。
“动态变化的世界比以往任何时候都更迫切地需要加强数字合作,利用技术的变革潜力,创造新的就业机会,提高金融包容性,减少性别不平等,推进绿色复苏,重新设计一个更加繁荣和包容的世界。现在是采取行动的时候了!”
“享有稳定、连续的网络联接,是数字时代人们的基本需求和权利,对于许多尚未被联接的人来说,泛在联接将是改变生活的起点。”梁华强调,“联接也因此从过去作为方便快捷的通讯沟通手段,逐步与云、AI等数字技术融合创新,也帮助人们更好地联接到数字社会,能够获得更多的知识、更好的服务以及更广阔的商业发展机会,促进社会和经济发展。”
随着数字化的深入,偏远地区居民在生活、生产、日常社会活动的各个区域都能享受到高质量移动宽带体验。华为无线总裁曹明提到“作为拥有最完整ICT能力的企业,针对传统铁塔站部署成本高、运输难、缺少电力、难以维护等诸多困难,华为整合设备、站点、能源、传输、天线的全技术创新能力,持续推出RuralStar、RuralLink系列解决方案,让偏远地区更多人、及村庄的社区医院、学校、政府、中小企业能够享受与普通城市一样高速移动宽带连接能力。”RuralStar系列解决方案已为全球70多个国家6千万偏远区域人口提供联接。
光纤宽带网络建设也是实现宽带普遍服务的重要一环。华为针对用户密度低、距离远的场景,如偏远地区场景,创新性的提出AirPON解决方案,不断减少机房占地、降低光纤铺设成本、降低网络功耗,保障当地通讯网络的快速建立。 在非洲地区,华为累计铺设光纤超过250,000公里,快速部署的全光基础设施帮助3000万家庭实现了高速宽带接入,而且用户体验不断提升,家庭宽带的平均速率已超过30Mbps,从而带来更加智能、高速、流畅的家庭网络。
在ICT基础设施不断发展的基础上,云和AI等创新技术能帮助全球,包括农村及偏远地区的居民进一步享受数字社会所带来的便利。华为云提出一切皆服务的战略主张,将华为30多年的技术积累和数字化转型经验以云服务的方式开放出来,在云上可以像用水、用电一样,便捷、经济、环保地获取数字基础设施能力。
此外,为实现均衡发展,针对偏远地区数字化转型、数字人才培养和商业模式创新必不可少。华为稍早前曾发布, 2025年,随着ICT基础设施的完善,华为将通过和合作伙伴的努力,使5亿人可以享受到数字金融服务,50万人能够享受到普惠教育。
华为此次进一步承诺,在ITU的第一个P2C合作伙伴国家柬埔寨,将与邮电部等政府部门和高校合作,在未来五年为ICT专业人员提供10,000个培训机会。
华为始终秉持包容性发展的理念,通过持续的技术创新,帮助偏远地区的数字化水平不断提升,让人人享受数字生活便利,推动全球数字经济的均衡发展。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。