近两年来,甘肃省各高校为了解决历史数据结构不合理、学校部门和业务间的信息孤岛等问题,同时为教师、教辅人员、科研人员、行政管理人员、后勤服务人员、学生及校友提供更好的信息资源服务,迎来一波数字校园建设高潮。省内高校的数字校园建设已开始利用先进成熟的计算机技术、网络技术与数据库技术,构建安全、可靠、可扩展、易维护的综合管理平台。通过科学合理的管理规范与完备通用的技术规范,基于统一的信息标准整合、集成各种信息资源,实现高校各项管理工作的信息化,从而为广大师生提供简便、快捷的信息服务。
作为这次数字化校园建设的发动机,IT基础设施具有云计算和存储数据高可用的明显特点。而如何有效合理地将这两项技术引入到高校的信息化建设中呢?经过多年在IT基础设施和云计算、大数据等领域的积累,华为公司针对教育行业形成一套完整端到端的IT基础设施解决方案。
首先华为将基于云计算理念和技术的云数据中心解决方案引入到数字校园的规划和建设中。云平台采用华为FusionSphere虚拟化软件提供服务器整合资源,对计算、存储、网络进行虚拟化管理,形成统一的云计算信息系统平台。通过虚拟化技术将物理服务器进行虚拟化,实现在单一物理服务器上运行多个虚拟服务器(虚拟机),解除应用与操作系统和硬件的耦合关系,不同的虚拟机之间相互隔离,运行不同的操作系统,提供不同的应用服务。通过IT系统基础设施进行云化部署,实现计算存储网络的虚拟化、资源共享、灵活分配,实现业务服务器的整合和调配。从而有效解决了高校传统数据中心面临的运维管理成本高、资源利用率低、业务部署上线周期长等问题。
基于数据存储的可靠性保障,保障业务在发生灾难后能够恢复正常,是高校数字校园IT基础设施建设最基本的功能。华为通过提供基于OceanStor V3融合存储的数据备份系统、备用基础设施、备用数据处理系统、备用网络系统的建设,并充分考虑容灾备份系统的处理能力,进一步增强了数字校园综合管理平台关键业务数据抵御灾难的能力,从而保障关键数据能够持续、稳定的传送到灾备或备份系统中。当主站点出现问题时,可以通过灾备或备份的数据进行恢复。
华为云平台为高校的数字校园建设提供统一的IT基础平台,实现高校办公自动化、教务网络管理、科技网络管理、学生综合管理平台、人力资源管理等系统的资源共享和统一运维。以教务网络管理系统为例,它涵盖高校教务管理工作所有环节,涉及到教学计划、教学资源、网上选课、课表编排、学生学籍、学生成绩、考试事务等多个方面。华为IT基础设施通过对这些系统所需的物理资源、虚拟化资源数据统一建模,将硬件以用户可见的资源池形式提供给教务网络管理系统中的各个子模块。管理员可以实现物理服务器的自动发现,虚拟机、操作系统和应用软件自动化部署,提高管理维护效率。基于校园网/互联网为高校教学工作提供先进、实用的信息化管理手段,为学生、教师教辅人员及管理人员提供简便、快捷的网络化信息服务;能够适应学年制、学分制以及学年/学分混合制的需要,能够协助高校建立符合自身特殊需要的个性化教务管理规范。
华为公司2014年先后助力甘肃政法大学、甘肃理工大学、甘肃城市学院、甘肃商学院、兰州文理学院、甘肃农业大学等高校完成数字校园云平台的建设。在坚持“先进性、可靠性、稳定性、可扩展性、安全性、易维护性”的设计原则上,通过服务器虚拟化、数据存储的本地高可用和容灾建设,实现数字校园IT基础设施中计算、存储、网络资源的虚拟化、资源池化管理、资源共享、灵活分配、资源统一管理等功能,实现业务服务器的整合和统一调配,集中化以及基于策略的管理,适应数字校园快速发展的业务需求。
好文章,需要你的鼓励
CloudBees首席执行官Anuj Kapur表示,AI可能重新测试DevOps的基础假设,但警告不要为追求效率而创建黑盒代码。他指出,一些因担心错失机会而匆忙采用AI生成代码的客户正开始放缓步伐,变得更加谨慎。Kapur认为,将整代软件外包给提示工程将创建非人类生成的黑盒代码,虽然效率高但质量、测试覆盖率和漏洞问题值得担忧。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
数据网络安全公司Rubrik宣布收购AI初创公司Predibase,交易金额在1-5亿美元之间。Predibase专注于帮助企业训练和微调开源AI模型。此次收购将使Rubrik用户能够通过Amazon Bedrock、Azure OpenAI和Google Agentspace等平台加速构建AI智能体。这是继Salesforce、Snowflake等公司之后,又一家通过收购来增强AI智能体技术栈的企业。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。