十大双跨平台整体发展情况盘点

在2019年国家级双跨平台发布一年之际和新一轮遴选开场之前,相关媒体“从战略演进、平台发展、资源汇聚及行业应用四个维度九个细分指标”,对十大双跨平台整体发展情况通过“一张图”的形式做了一次盘点(图略)。

我们通过对图中指标进行数字化处理,得表1(一个★计1分,一个☆计0.5分)。
表1
在第一个维度“战略演进”中,包含了平台总体战略规划和升级与创新两个细分指标。按得分计,可把十大双跨平台分为三档(表2)。

表2

在第二个维度“平台发展”中,包含了新兴技术融合创新能力、平台服务赋能能力、部省市项目参与情况三个细分指标。按得分计,可把十大双跨平台分为四档(表3)。

表3

在第三个维度“资源汇聚”中,包含了连接设备数量、投融资情况二个细分指标。按得分计,可把十大双跨平台分为八档(表4)。

表4

在第四个维度“行业应用”中,包含了服务企业情况、跨行业应用状况二个细分指标。按得分计,可把十大双跨平台分为四档(表5)。

表5

再对四个维度、九个细分指标进行综合计算,得表6。

表6

从“偏离度”(排位-序号,即本次评价排位与2019年跨行业跨领域工业互联网平台排位的差)看,十大双跨平台中,东方国信、树根互联、航天云网、华为四个平台排位没有变化,成绩稳定;浪潮云上升4位,富士康、阿里上升5位,徐工信息上升9位;海尔下降2位,用友网络下降3位。其中,东方国信Cloudiip平台,无论是2019年跨行业跨领域工业互联网平台,还是2018年工业互联网平台试验测试项目,仰或本次评价,其排位都是第二,是成绩最为稳定的平台,其余9家平台的排位就显得起伏不定了。

四大维度中,十大双跨平台之间的差别,按战略演进、平台发展、行业应用、资源汇聚,逐个升高。也就是说对战略演进、平台发展、行业应用十大双跨平台都是比较重视的,之间的差别不是太大;但在资源汇聚方面,由于有5家企业(占比50%)没有透露相关的内容,致使十大双跨平台之间产生了较大的差距。

九个细分指标中,十大双跨平台连接设备数量差别最大(即使抛开没有透露相关内容的两个平台,也是如此);投融资情况差别次之;部省市项目参与情况、服务企业情况、跨行业应用状况差别再次之;平台总体战略规划、升级与创新、新兴技术融合创新能力、平台服务赋能能力差别最小。

从四大维度、九个细分指标的差别中,可以看出一个规律,越是宏观性维度、指标,平台得分之间的差别越小;越是微观性维度、指标,平台得分之间的差别越大。

其实这也很好理解,图灵奖获得者、数据库技术和事务处理专家詹姆斯·格雷曾就一个好的IT长期目标提出了五个关键性指标,其中之一就是可测试性,以便检查项目进展并知道目标是否已经达到。

而目前工业互联网平台还在发展、建设、演进中,离在微观上的可测还有相当的距离,其差别大显属正常情况。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/480694.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

论文浅尝 | 知识图谱问答中的层次类型约束主题实体识别

Citation:Qiu, Y., Li, M., Wang, Y., Jia, Y., & Jin, X.(2018). Hierarchical Type Constrained Topic Entity Detection for Knowledge Base Question Answering. Companion of the Web Conference (pp.35-36).动机对于 KBQA 任务,有两个最为重要的部分&…

机器学习中的范数规则化之(一)L0、L1与L2范数

机器学习中的范数规则化之(一)L0、L1与L2范数 zouxy09qq.com http://blog.csdn.net/zouxy09今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问…

模型训练慢和显存不够怎么办?GPU加速混合精度训练

目录 混合精度训练 理论原理 三大深度学习框架的打开方式 Pytorch Tensorflow PaddlePaddle 混合精度训练 一切还要从2018年ICLR的一篇论文说起。。。 《MIXED PRECISION TRAINING》 这篇论文是百度&Nvidia研究院一起发表的,结合N卡底层计算优化&#x…

陈睿:架构设计之数据库拆分六大原则

架构设计之数据库拆分原则 数据拆分前其实是要首先做准备工作的,然后才是开始数据拆分,我先讲拆分前需要做的事情: 第一步:采用分布式缓存redis、memcached等降低对数据库的读操作。 第二步:如果缓存使用过后&#xf…

(摘要)新基建风口下,今年工业互联网平台将呈现十大新特征

目录一是提升核心能力成为平台发展的主攻方向二是垂直行业和产业集聚区应用爆发式增长四是数据驱动的制造范式正在形成五是平台加速推动大中小企业融通发展六是平台 “双创”生态体系初步形成七是平台采用知识图谱提升核心能力八是CPS和数字孪生崭露头角九是区块链支撑平台构建…

论文浅尝 | 基于知识图谱的子图匹配回答自然语言问题

本文转载自公众号:珞珈大数据。本次论文讲解的是胡森 邹磊 于旭 王海勋 赵东岩等作者写的论文-Answering Natural Language Questions by Subgraph Matching over Knowledge Graphs,主要是分享一些阅读论文的收获,希望能对正在学习自然语…

模式识别之特征提取算法

说明:此处暂时简单介绍下各种特征提取算法,后续完善。 前言:模式识别中进行匹配识别或者分类器分类识别时,判断的依据就是图像特征。用提取的特征表示整幅图像内容,根据特征匹配或者分类图像目标。常见的特征提取算法…

ACL2020 | 对话数据集Mutual:论对话逻辑,BERT还差的很远

一只小狐狸带你解锁 炼丹术&NLP 秘籍本文为MuTual论文作者的特别约稿编辑:rumor酱、夕小瑶前言自然语言处理是人工智能领域的掌上明珠,而人机对话则是自然语言处理领域的最终极一环。以BERT为代表的预训练模型为自然语言处理领域带来了新的春天&…

大型网站系统的特点和架构设计

分布式架构 阿里P8架构师谈:淘宝技术架构从1.0到4.0的架构变迁 优知学院」淘宝技术架构的前世今生(上) 优知学院」淘宝架构的前世今生(下) 揭秘:一位亲历者眼中的淘宝技术架构发展之路 淘宝发展历程最具…

IDC 和浪潮联合发布了《2020-2021 中国人工智能计算力发展评估报告 》

近日,IDC 和浪潮联合发布了《2020-2021 中国人工智能计算力发展评估报告 》(以下简称《报告》)。《报告》指出,中国 AI 基础设施市场规模在 2020 年达到了 39.3 亿美元,到 2024 年预计达到 172. 2 亿美元。 《报告中》…

Linux系统中Oracle数据库使用SELECT语句检索数据(1)实例应用

Linux系统中Oracle数据库使用SELECT语句检索数据(1)实例应用 1,首先切换到Oracle用户,并进入数据库#sql / as sysdba2,启动数据库,并连接样例及表格,启动命令#startup,连接样例#conn scott/tiger3&#xff…

论文浅尝 | 基于动态知识图谱向量表示的对称合作对话代理的学习

链接:https://arxiv.org/abs/1704.07130文本研究了对称合作对话(symmetric collaborative dialogue)任务,任务中,两个代理有着各自的先验知识,并通过有策略的交流来达到最终的目标。本文还产生了一个11k大小的对话数据集。为了对结…

知乎搜索框背后的Query理解和语义召回技术

一只小狐狸带你解锁 炼丹术&NLP 秘籍前言随着用户规模和产品的发展, 知乎搜索面临着越来越大的 query 长尾化挑战,query 理解是提升搜索召回质量的关键。本次分享将介绍知乎搜索在 query term weighting,同义词扩展,query 改写…

JSON-LD 和知识图谱

JSON-LD 正式推荐标准2020年7月发布 2020年7月16日,W3C JSON-LD 工作组发布三份正式推荐标准(W3C Recommendation): JSON-LD 1.1 语法(JSON-LD 1.1)定义了一种基于 JSON 的格式来序列化关联数据。该语法的…

阿里P8架构师谈:分布式架构设计12精讲

分布式架构设计包含: 分布式缓存 分布式消息中间件 分库分表、读写分离 单点登录等 想成为阿里160万年薪的P8架构师?你必须掌握如下6大技能体系! 阿里P8架构师谈:分布式架构系统拆分原则、需求、微服务拆分步骤 阿里P8架构师谈…

论文浅尝 | 弱监督关系抽取的深度残差学习方法

Citation: Pawar, S., Palshikar, G. K., & Bhattacharyya, P. (2017).Relation Extraction : A Survey, 1–51. Retrieved from http://arxiv.org/abs/1712.05191动机近年来基于深度学习方法的远程监督模型取得了不错的效果,但是现有研究大多使用较浅的 CNN 模…

【干货】推荐系统中的机器学习算法与评估实战

【导读】推荐系统是机器学习技术在企业中最成功和最广泛的应用之一。本文作者结合MLMU演讲【1】的Slides,对推荐系统的算法、评估和冷启动解决方案做了详细的介绍。 作者 | Pavel Kordk 编译 | 专知 翻译 | XiaowenMachine Learning for Recommender systems — P…

Google | 突破瓶颈,打造更强大的Transformer

一只小狐狸带你解锁炼丹术&NLP秘籍作者:苏剑林 (来自追一科技,人称“苏神”)前言《Attention is All You Need》一文发布后,基于Multi-Head Attention的Transformer模型开始流行起来,而去年发布的BERT模型更是将Transformer模…

新媒体中的MCN机构是什么意思

主要转自知乎:https://www.zhihu.com/question/318661288 有删改。 什么是MCN?MCN(Multi-Channel Network)是舶来品,是一种多频道网络的产品形态,将PGC内容联合起来,在资本的有力支持下&#x…

论文浅尝 | 用增强学习进行推理:问答与知识库完善(KBC)

本文转载自公众号:程序媛的日常。利用知识库、知识图谱来完善问答系统,有非常广阔的实际应用场景。当用户提出一个问题时,有时候仅用知识库中的某一个三元组事实(fact triple)即可回答。但当问题比较复杂时&#xff0c…