近日,作为承担保护与合理利用中国西南自然资源重任的省一级单位,云南省国土资源厅(以下简称:云南国土厅)为提升全省三级网络平台的应用效率、避免IT故障造成业务中断的不利影响,采购了浪潮SSM应用监管系统,全力打造IT运维管理的新格局。
云南国土厅资源信息系统经过多年的建设,形成了以省厅为中心、覆盖全省地州(市)、县(市、区)国土局的三级网络办公应用平台。该平台运行着云南省国土资源行政审批、行政办公、矿产资源管理、地质灾害管理、互联网信息交互查询等核心应用。而随着全国“国土资源云”和不动产登记信息管理基础平台建设的不断推进,云南国土厅在深化政务办公平台应用的同时,也遇到了一项信息化管理难题。
近几年,云南国土厅各项信息管理系统越建越多,网络、设备和产品也越来越复杂,省厅信息中心运维人员经常超负荷运转。信息中心每天接到的报修电话有数十个,包括省厅内部及下属单位求助,运维人员长期处于高压工作状态,却仍然无法及时满足报修需求。另一方面,由于地处中国西南边陲,很多基层IT人员配备不足,技术能力有限,一旦发生IT故障,故障的排查耗时久、故障处理效率低,影响了业务正常运转。如何第一时间排除故障、甚至能在故障影响业务之前就得到有效处理呢?这就需要从“事后”运维转变为“事前”运维,这也是解决人手不足的关键。正因如此,云南国土厅急需一款专业的IT运维软件,实现IT运维自动化、可视化、主动化。
在国外内多家知名厂商同台竞技下,浪潮凭借SSM产品的技术领先性,以及针对省、市、县三级联网运维部署的成熟经验脱颖而出,最终赢得了云南国土厅IT运维管理系统的建设项目。整个项目最后确定分为两期进行部署,一期针对省厅级数据中心全部部署,包括网络监管模块、应用监管模块和3D集中展示模块。二期是在应用监管模块的基础上,针对全省一共五百多个节点进行实施统一监控,确保省厅内、外网络及各设备系统正常运行。
浪潮SSM是面向大中型网络管理的新一代IT运维产品,可全面支持云南国土厅分级部署、分布式部署的需要,通过级联管理,下属16个地市单位可以按照策略定期将监控数据上报到总部,由总部进行统一处理并展现。从功能特点上看,其内置的主动预警和自动巡检特性,可以全面降低数据中心网络设备、服务器及业务应用系统的故障发生率,从而帮助云南国土厅实现从事后到事前的运维转变。另外,SSM还内置了大量的视图组件,可以快速绘制不同类型的拓扑视图、图表视图、业务视图,将系统中存在的隐患和故障源定位全面展现出来。此外,浪潮SSM采用模块化设计,云南国土厅不仅可以使用当前采用的“三大模块”化解现阶段遇到的管理难题,更为日后IT管理能力提升提供了扩展空间。
云南国土厅部署将主要部署浪潮SSM的三大模块包括:应用监管模块、网络监管模块和集中展现模块。首先,应用监管模块能够对业务平台的设备进行实时监控,可以帮助云南国土厅的技术人员快速、准确的定位故障来源,提高IT系统的响应效率和服务质量。其次,网络监管模块则可以持续自动地发现、识别和跟踪全省网络平台上的网络设备和服务器,采集网络设备的运行状态和性能参数,全面、直观地反映出网络设备和线路的整体状态。最后,具有3D仿真界面的集中展现模块,不仅可以在大屏幕上方便技术人员操作,还可以能IT资源提供各种趋势、比较、TopN等统计分析报表,为业务决策和平台优化提供数据依据。
据了解,浪潮已经开始根据客户的实际需求有计划、有步骤地对相关技术人员进行培训,一同梳理IT运维流程。待项目正式实施后,不仅能够有效缓解数据中心的运维压力、解决下属单位人手短缺的问题,更能在第一时间发现、定位故障隐患,并利用SSM系统中的建议实现快速的故障修复,打开IT运维管理的新格局。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。