
科技金融掘金云计算大数据
云服务如何让智慧城市更快成为可能?大数据崛起背后又掩藏着怎样的商机?11月11日,由中科院云计算中心与中科云富、中科云智联合举办的“2015年中科院云计算大数据科技金融创新高峰论坛”在松山湖召开。来自全国各地的30多家投资机构代表慕名前来,与11个从事云计算、大数据相关的优质创业项目进行资本对接,并与与会专家学者共同挖掘项目资本亮点,共同探讨云计算、大数据科技金融创新发展的未来。
大数据火热 带动下游供应链创业
2014年,已经是国企高管的司马卫武决定带着团队下海创业,此时他已经45岁,这对于一个创业者而言已经不是个年轻的岁数。司马卫武深知他没有多少尝试失败的机会,只能放手一搏,创业所需的天使资金都是他前半辈子积攒下来的全部身家。
11月11日,站在松山湖的资本对接活动现场,排在第二个上台路演的司马卫武始终面带笑容、充满自信,尽管司马卫武上台路演时对于台下评委提出的关于融资的提问有些答不上来,可中场休息的时候,还是由几家投资机构代表主动过来了解项目的运营情况、盈利预期、成本构成等,并主动交换了名片,表现出浓厚的兴趣。
司马卫武是东莞市光智通讯科技有限公司(以下简称“光智通讯”)董事长兼首席执行官。2014年下半年,司马卫武带着多年跟随他的团队来到松山湖创业,将眼光瞄准了大数据设备生产所需的光器件研发制造。
得益于拥有一批从事光电器件生产、研发和经营超过7年以上的技术团队,短短半年时间,光智通讯已经实现包括数据、通讯传输类TOSA、ROSA和TO-CAN等光器件产品的量产投放,今年为止营收达数百万元。
司马卫武表示,随着互联网+在国内的风生水起,包括珠三角在内的国内各地都在加速上马大数据中心,对大数据设备需求陡增,由此将带动光器件产品销量的大幅增长,而该产业领域在国内尚处于起步阶段,目前已有的国内竞争对手仅有一两家,国外品牌主导着整个市场份额,光智通讯所研发生产的产品,虽然核心芯片仍然采用的是国外专利技术,但产品的精度和品质已达到国际水平,且售价远远低于国外品牌,这为企业未来数年实现爆发式增长奠定了基础。
“我们现在订单很多,都不太敢接,主要是生产能力跟不上,这次要融资1500万元,占股10%,主要目的就是扩大生产,增添生产线,以满足市场订单需求,抓住发展的黄金期。”面对来自全国各地的投资机构代表,司马卫武明确抛出了自己的融资目标。
厦门火炬集团创业投资有限公司总经理孙祺扬曾考察过司马卫武所说的另一家国内同行企业,但最终并没有参与投资,可这一次,孙祺扬对光智通讯产生了较为浓厚的兴趣,在提问环节与司马卫武互动了解后,孙祺扬在中场休息时主动找到司马卫武,详细了解企业的经营现状和融资需求,并提出后续有可能的话会展开更为深入的洽谈。
现场签署协议 多家投资机构看好未来
在中科院云计算中心主任季统凯看来,光智通讯在对接会上的际遇仅仅是一个开始。在活动当天,有11个优质创业项目与投资机构现场对接,他们有的致力于新兴LED光电材料产品的创新研发,有的致力于城市位置导航个性化、智能化服务的探索,有的还致力于大城市交通堵塞的汽车共享租赁平台搭建……在整整一个下午的对接会上,让喜好各异的各方投资机构代表大快朵颐,享受了一场资本对接的盛宴。
除此之外,中科院云计算中心、中科云富还分别与招商银行东莞分行福建七匹狼创投、珠海横琴金投、深圳晴方集团、中国英谷、深圳德福基金、深圳前海融启基金签署战略合作协议,提出将整合各方资源,建立创业资源库和资本资源库,合作成立各类创投基金,帮助在包括东莞在内的优质创业项目更为高效地找到合适的资本合作伙伴。
季统凯表示,以云计算、大数据、社交网络及搜索引擎为代表的新一代互联网技术,催生了互联网金融。云计算与大数据是互联网金融的“金钥匙”。随着互联网与金融的进一步融合,云计算与大数据将成为未来金融机构提供金融服务的重要手段。中科院云计算中心致力于中国智慧城市建设与发展,在科技金融创新上,中心将继续为东莞的转型升级,高水平崛起贡献一份力量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30