首页/软件下载/第六届(中国工业软件大会在重庆)举行
第六届(中国工业软件大会在重庆)举行
4
第六届(中国工业软件大会在重庆)举行
v0.03.2
★★★★☆ 1.2 分 · 29713 次下载
Y31成色1.232.1.2351KB 羞羞动漫 增长惯性建立,停不下来!
大小94.4 MB
系统Windows / Android / iOS
语言简体中文
更新2026-07-31 21:38:33
作者许雅雪
分类百度色导

软件介绍

第六届(中国工业软件大会在重庆)举行

中新网重庆7月31日电(记者 梁钦卿)7月31日,第六届中国工业软件大会在重庆市渝中区拉开帷幕。来自全国范围内的高等院校、科研院所、行业协会及产业链领军企业的500余位代表齐聚山城,围绕人工智能与工业软件深度融合、工业软件自主可控等关键议题展开深入探讨,共谋产业协同发展的新篇章。

本届大会紧扣全球科技革命与产业变革的时代脉搏,聚焦AI与工业软件融合的前沿命题,系统探索人工智能技术赋能工业软件的全新路径,进一步筑牢工业软件自主可控的发展根基。与会专家普遍认为,AI技术的深度嵌入正为工业软件带来颠覆性变革,而自主可控则是保障产业安全的关键所在。

开幕式上,中国软件行业协会工业软件分会正式揭牌成立。该分会以推动工业软件全产业链协同发展为核心使命,重点发力国产软件技术攻关、标准体系构建、典型应用场景落地、专业人才培养及产业协同机制优化,致力于打造一个自主可控、安全高效的工业软件产业生态。分会将以重庆为支点,辐射带动西部地区工业软件产业的高质量跃升,充分发挥中冶赛迪等本地龙头企业的引领作用,整合产业链上下游企业、高校及科研机构的优势资源,牵头制定行业标准;同时广泛吸纳工业软件相关企事业单位和科研机构成为会员,搭建高效的交流合作平台;通过举办技术研讨会、行业论坛等学术活动,促进技术协同创新;并深入开展人才需求调研与培训,强化与高校和科研机构的联动,构建人才交流枢纽。

值得关注的是,由开放原子开源基金会孵化并运营的“开放原子仪控系统开源社区”也在大会期间正式启动。该社区聚焦仪器仪表及控制系统领域,旨在打造一个互联互通、开放共享的行业物联生态。社区依托开源鸿蒙的分布式能力,联合产业链上中下游力量,共同构建“仪鸿”工业智能仪器仪表及控制系统体系,并在此基础上打造覆盖软硬件全栈的开放式群体智能仪控平台,为行业智能化升级注入新动能。

此外,大会现场还举行了重点项目集中签约仪式,涵盖“工业魔方”模块化订阅式工业软件平台、工业软件与具身智能科创研学基地、低空安全试验平台等6个项目,进一步彰显了重庆在工业软件领域的集聚效应与合作潜力。

当前,渝中区正加速成为智能经济蓬勃发展的“梧桐树”。工业互联网标识解析二级节点、西部算电协同创新中心、6000P绿色算力等一批关键基础设施相继落地,全区软信企业总数已突破4400家,软信产业营收占重庆全市的15%,规上软信服务业营收更是连续五年保持20%以上的高速增长。渝中区委书记、区长谢东在发言中表示,渝中区将着力打造西部领先的工业软件创新应用高地,推动人工智能算法深度融入设计优化、仿真模拟、工艺规划等核心环节,为制造业数字化转型提供坚实支撑。

据了解,今年已是重庆第六次承办中国工业软件大会。六年间,大会始终紧扣制造业数字化转型与工业软件高质量发展的主线,凭借高端化、品牌化、专业化的平台优势,广泛汇聚政产学研用金各方资源,持续提升重庆在全国工业软件版图中的影响力与美誉度,成为推动产业升级的重要引擎。

功能特点

截至6月底中国智能算(力规模达)去年同期2.8倍

北京7月31日电(记者王恩博)中国国家发展和改革委员会新闻发言人蒋毅7月31日在北京透露,截至6月底,全国智能算力规模已经攀升至去年同期的2.8倍。这一数据是在国家发改委当日举办的新闻发布会上,蒋毅回应中新社记者提问时披露的。

蒋毅表示,回顾上半年,中国在人工智能领域的自主创新步伐显著提速,产业链多个环节均实现了快速突破。除了算力基础设施的持续夯实,模型能力也取得了质的飞跃。本土企业如深度求索、月之暗面等相继推出了多个参数规模达万亿级的开源大模型,国产大模型在全球范围内的总下载量已经突破100亿次,同时国产模型与国产算力芯片之间的适配进程也在不断加速。

此外,蒋毅还指出,中国已建成超过12万个高质量数据集,算力、模型与数据三者之间正在形成相互促进、良性循环的发展态势。在各方协同推动下,人工智能已成为驱动经济增长的重要动力,相关行业增速持续保持在30%以上。

展望未来,蒋毅强调,中国将着力加快自主创新步伐,聚焦大模型基础理论、训练与推理效率、多模态智能及智能体等前沿领域,进一步加强基础研究和技术创新,同时推动数据开放共享以及人工智能语料库的建设,为人工智能的创新应用提供更加坚实和丰富的数据支撑。

使用说明

超《2500%!上半年集成电路制造业利润“狂》飙”

国家统计局近日披露了2025年上半年规模以上工业企业利润的关键数据。在算力需求持续井喷的背景下,电子行业利润同比飙升96.9%,为全部规上工业企业利润增长贡献了8.5个百分点;其中,集成电路制造业的利润增幅更是达到了惊人的2579.5%。7月27日,存储芯片巨头长鑫科技正式挂牌科创板,上市首日即高开471%,终盘涨幅465.82%,市值攀升至3.28万亿元,一举超越工商银行,登顶A股总市值榜首。

这一连串令人咋舌的数字背后,真实的算力市场究竟处于怎样的温度?这场算力“狂飙”又与普通人的生活产生了哪些千丝万缕的联结?近日,《每日经济新闻》记者借助在郑州举行的“光合组织2026智能计算应用大会”之机,深入一线展开了实地探访。

7月中旬的郑州,室外温度直逼40摄氏度。郑州国际文化交流中心内却人潮涌动,热闹非凡。走进一楼展厅,一台高达两人、颇为壮观的机柜赫然映入眼帘——这正是国内首台十万卡AI算力集群。围观者层层叠叠,不少人需仰头才能望见机柜顶部。展厅内人流摩肩接踵,站久了衣物便有些黏腻。一位工作人员向记者透露,空调其实已调至很低,但人气实在太过旺盛。沿走廊两侧,各厂商的服务器机箱整齐排列,每个展位前都围聚了数层观众,外围的人们不得不侧身从缝隙中探看。

现场人群大体可分为两类:一类是服务器零部件及整机制造商,另一类则是AI应用开发商。两类人群交织穿梭,过道中不时有人驻足互换联系方式,或探讨服务器性能参数,或交流行业最新趋势。午后从餐厅返回会场途中,依旧能听到三三两两的讨论声不绝于耳。这番火热场景,令记者恍如置身于上世纪90年代互联网初兴时的繁荣气息中。

根据国家统计局发布的上半年数据,服务器及高性能工作站相关领域中,计算机整机制造利润同比增长689.3%,计算机外围设备制造利润增长305.8%;电子器件制造领域中,集成电路制造利润飙升2579.5%,半导体分立器件制造利润增长31.2%;而在电子元件及电子专用材料制造领域,电子专用材料制造利润增长209.7%,电子电路制造利润增长26.9%。这些令人瞠目的数字,折射出怎样的市场真相?

“眼下连板卡都供不应求。”浪潮计算机产品经理刘树奇向记者坦言,“内存条价格从去年到现在翻了三倍,去年一条1万元,今年可能涨到3万元却依然一货难求。”刘树奇提到的板卡,正是服务器的“骨架”——那些常见的绿色电路板,承担着CPU、GPU、存储及各类网络组件之间的互联互通职能。

一位GPU厂商人士感慨道:“我们曾签下一个订单,约定连服务器一并交付,结果服务器价格每日一变,根本无法履约。原先一台服务器20万元,随后涨至50万元,再飙到80万元,即便有钱也拿不到货。”刘树奇补充说:“有一段时间,合同报价的有效期甚至仅为一周。一周之后需要重新核算,价格可能又已不同。”

从采访中记者获悉,这种供应紧张态势自去年末便已显现,至今仍未缓解。

那么,这场“飞驰”的订单浪潮由何支撑?算力热潮又与普通人相距多远?浪潮计算机AI产品部廖广山向记者解释,普通用户使用大模型时属于云端推理,调用的算力资源在云端完成,并不会占用手机本地算力。而若想解决私密性问题、确保数据仅在本地方流转,则需采用本地化部署方案。廖广山说:“本地化部署的主要支出在于购置服务器,模型代码是开源的,从官网下载镜像即可运行。”

一家AI应用服务商或科研机构若需本地化部署模型并开展训练,究竟需要多少算力?面对记者的提问,廖广山详解道:“这取决于实际目标,通常可分为预训练和微调两类。以DeepSeek为例,若在本地运行该模型,基准资源需求为1倍;若需微调,则需约4至8倍的资源;若是进行推理训练,则需20倍以上。你提到的应用场景应属于微调范畴。”

刘树奇举了一个生动的例子:假设某机构想开发一个模型,识别路口一天内通过的行人、车辆、动物数量及空气质量,便需先搭建模型框架,设定多个识别字段,例如什么样的轮廓属于“人”,哪些特征属于“动物”,什么形状算作“车”。模型初建之后,还需持续“喂入”数据,比如不同品牌、不同形态的车辆图片,让系统不断学习迭代。只要数据量足够庞大,模型自然会愈发精准。

“如果只需保障训练过程的稳定性,比如确保AI短剧中人物形象前后一致,倒也不一定非得做本地化部署,购买大模型厂商提供的租户隔离服务即可满足需求。”廖广山补充道。

在算力价格暴涨的背景下,算力到底是离普通人更近,还是愈发高端、愈发遥不可及?中科曙光高级副总裁李斌对此表示,算力与普通人的距离正在缩短。“以郑州的曙光8000(登峰)为例,过去主要服务于科研院所的科学家,如今已有相当大一部分算力接入手机App后端,为各类Token服务提供支撑。或许在用户打开手机的刹那,背后调用的正是来自郑州的算力。”

在普通人眼中,服务器机箱的内部结构或许与台式电脑大同小异——同样包含CPU、GPU、存储、硬盘和散热组件。廖广山用一个形象的比喻解释:“如果说前者只是一辆玩具车,那后者便是真正的运载火箭。两者在设计复杂度、结构精密性及用途上完全不在一个量级,后者所能完成的计算任务也远为复杂。研发一套服务器需投入上千万元资金。”

然而,相似之处在于,随着算力需求的变化,服务器内部各组件的配比也在不断调整。李斌认为,在超长上下文的推理任务中,存储的重要性愈发凸显。海光信息服务器产品部总经理张攀勇则表示,随着AI Agent时代的来临,大量工作实际上由CPU承担,包括任务编排、工具调用与结果处理,以及记忆管理等;而GPU的角色则更聚焦于模型推理本身。这种变化也带来了一种范式转移。从他们的工作负载观察来看,CPU与GPU的配比已发生显著变化:过去在双路GPU服务器中,常见配置为一颗CPU搭配八颗GPU或两颗CPU配八颗GPU,比例大致介于1:4至1:8;而在当前的数据中心场景下,由于沙箱环境、存储系统、数据库、向量计算等多样负载的增加,整体配比已从往日的1:4、1:8逐步演化为1:1。

要让服务器机身更趋紧凑,廖广山认为可能需依赖液冷技术的进一步成熟。

算力是否存在结构性过剩的可能?李斌向记者表示,算力的短缺或过剩存在阶段性波动,但总体而言,AI驱动的需求仍在持续攀升,尤其是对高端算力的渴求,智能体兴起之后,算力需求将更加旺盛。“从IT产业发展的规律来看,同等性能或效果所需的成本大概率会持续下降,这是行业大趋势。长期来看,算力必将更加普惠。”李斌举例道,“在大模型爆发之前,行业最热门的是人脸识别技术。如今,这项技术的门槛与使用成本已大幅降低。未来大模型也可能沿循同样的路径。一方面,模型自身能力不断进化;另一方面,推理效率持续提升,单位任务所需的算力成本随之下降。最终,大模型将演变为像水电一样的基础设施,更加贴近大众。”

那么,算力的终极形态又会是怎样?李斌认为,未来的整体方向是云化,同时边端设备如具身智能等将配备轻量化算力以实现实时响应。个人无需购置笨重的本地设备,通过App即可轻松获取强大的AI能力。海光信息副总裁应志伟也向记者表示,算力终将如水电般即开即用,无论通过本地部署还是云端接入都能随时响应。所有业务都将深度融入AI能力,否则便难以适应这一时代。算力将无处不在,使用者在不知不觉中便可享受其便利,这才是真正的大势所趋。

“过去依赖大型算力中心,是因为模型复杂、体量庞大,对算力要求极高,普通终端设备难以承载,只能依托集中式算力完成训练和推理。这一方向不会改变,但也要看到另一面:当模型真正落地应用时,不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程,但在许多场景下,一个监控摄像头做人脸识别,几十亿参数的轻量模型就已足够。此类细分场景不胜枚举——嵌入式设备做电源波形检测时,网络延迟反而会抵消优势;孩子在家做数学题,本地小模型即可解决,无需调用云端大模型。”应志伟总结道。

更新日志

第六届(中国工业软件大会在重庆)举行中新网重庆7月31日电(记者梁钦卿)7月31日,第六届中国工业软件大会在重庆市渝中区拉开帷幕。来自全国范围内的高等院校、科研院所、行业协会及产业链领军企业的500余位代表齐聚山城,围绕人工智能与工业软件深

句子2

相关推荐