京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“仙桃”集结 中国大数据产业生态谷正崛起
10月9日,市政府与英国ARM公司签署合作谅解备忘录,将在仙桃数据谷建立ARM产业生态园,推动全市集成电路设计企业的快速发展。
据了解,英国ARM公司在移动芯片领域已占领了90%左右的全球市场,成为苹果公司的供应商之一。
这家公司在仙桃数据谷建的ARM生态产业园在5年内将聚集起5000名IC设计人才。
“仙桃数据谷正在集合起一批大数据产业,并成为重庆最大的大数据产业群。”渝北区委书记沐华平说。
A “国际范”的“3+6”产业体系
“仙桃数据谷的产业是国际性的。”重庆仙桃数据谷投资管理有限公司董事长汪小平说,具体说来,就是在按照“大数据、小传感、海储存、云应用”的产业方向,布局建设“3+6”的产业体系。
汪小平解释说,这其中的“3”,就是以传感产业园、存储产业园、数据挖掘分析三大基础产业为支撑,“6”即打造金融大数据、健康大数据、教育大数据、设计大数据、跨境电商、城市管理大数据6个行业大数据应用产业园,最终形成龙头企业、核心企业集聚的全产业大数据生态圈。
汪小平说,每个产业板块都将采用“龙头企业、公共平台、4.0版孵化、投资机构、创新企业”五位一体的运营模式,同时结合云端办公、安全防卫等智能化办公体系以及各类服务与展示平台等,为“3+6”产业体系提供保障。
“国际范”是仙桃数据谷产业的特色。据介绍,在产业布局和招商中,数据谷面向国际大数据相关产业及国际大数据龙头企业进行招商,集聚全球资源,运用全球市场。
B 六大创新支撑平台保障产业群
在仙桃数据谷占地1000多平方米的智能样机创新中心里,3D打印机、贴片机等器械已经陆续安装到位,10月底正式投入使用。
这是由渝北区携手宏碁、纬创、中兴投资2000万元联合打造的样机中心,包含打样、3D打印、贴片、验证、测速等功能。
所谓打样,就是将智能终端的设计图进行3D打印,制造出样机进行试用。据宏碁股份有限公司自建云(重庆)应用中心总处长王明山介绍,以前重庆企业开发设计出一个智能终端,一般要跑到深圳或江苏昆山去打样机,往返至少需要两周;若是需要修改调整,甚至会耗费一个月。他说:“今后在仙桃数据谷打样,仅需2—3天,将大大降低时间成本。”
“这是数据谷打造的一个创新支撑平台。”沐华平说,在聚合大数据产业群中,渝北区决定,将在仙桃数据谷打造六大创新支撑平台,以助推数据谷及全区的大数据产业发展。
这六大创新支撑平台是——
消费者行为大数据分析库。由宏碁集团、法国EFG公司打造,将为创新产品设计提供消费者行为习惯、偏好及数据支撑。
ARM创新加速器。由ARM和中科创达合作组建,为初创公司及创新项目提供技术支持、培训指导、风险投资等服务。
产品外观设计平台。由惠普打造“渲染云”平台,为工业设计、智能硬件设计、服装设计等提供云资源及技术平台支撑。
智能样机生产平台。渝北与宏碁、纬创、中兴软创合作打造,拟建立国家级实验室,提供智能硬件设计打样、3D打印等服务。
智能语音识别系统平台。由科大讯飞建设,基于大数据和人工智能技术,形成高效易用的“教育云”和“语音云”平台。
样机营销平台。由谷歌、亿赞普建设,构建全球样机的“商业雷达”和“营销网络”。
“这六大创新支撑平台既为大数据产业集群服务和做好保障,其本身也是一大产业群。”沐华平说。
C 建全球人才培养产业群
在仙桃国际大数据谷的产业集群中,还有一项人才培养产业。
今年7月,渝北区携手美国西亚斯集团、重庆邮电大学共同打造大数据学院,重点在职业培训及研究生培养,开展大数据产业相关的短期或中期职业资格培训,设置大数据及其关联产业的技术、管理、金融三类课程方向,帮助培养掌握前沿大数据技术、拥有实践经验的人才。
前不久,渝北区政府又与微软(中国)有限公司、微软亚太科技有限公司签署战略合作备忘录,三方将在大数据平台、大数据学院、创新孵化加速器平台、大数据体验中心领域方面展开全面合作。
“按照战略合作协议,微软(重庆)大数据技术及产业创新基地、微软IT学院两大项目将落户仙桃数据谷。”汪小平说,特别是微软IT学院的落户,将为仙桃数据谷的人才培养产业注入活力。
汪小平说,微软已经决定,将把“微软IT学院”引入到仙桃数据谷的大数据学院,并将采取“境内+境外”、“线上+线下”、“教学+实训”及国际协同招生的模式,对大数据学院进行课程设置,让大数据学院可以到国外去招生、国内的学员通过线上教育听国外的课程等,还可以为跨国公司定制培养专业人才。
与此同时,由微软提供技术服务的国内数据中心在线服务平台——“世纪互联”将为大数据学院提供不低于10万名符合要求的教育工作者,微软还将派遣10名IT人才,为大数据学院提供智力支持。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06