绍兴作为“文物之邦,鱼米之乡”,也是中国民营经济最具活力城市以及优秀旅游城市。绍兴市在“十二五”规划的总体目标是全面建成惠及全市人民的生活水平与小康社会,主要任务是加快产业结构优化升级、统筹城乡区域协调发展、完善基础设施体系、建设创新型城市、全力改善和保障民生、促进社会和谐发展,提高对内对外服务水平。绍兴市从12年底开始调研,专家咨询,方案设计,有绍兴公共信息平台、智慧交通、智慧社会保障、智慧健康等重点建设项目。
绍兴社会保障(以下简称“绍兴社保”)市民卡项目作为绍兴智慧城市的组成部分,总体设计思路为:以智能卡技术、通信网络技术和数据库技术等现代信息技术为支撑,按照统一规划、分步实施的工作思路,通过建设与整合并举,打造容纳政府社会保障、公共管理、公用事业、金融支付、商业应用等服务功能于一体的市民卡综合服务平台,实现市民生活多领域“一卡通用、多卡合一”。
数据集中,需要强有力的数据中心支撑
2014年底,绍兴社保市民卡项目小组,根据未来市民卡业务分析,经过多方考察及论证,需要建设一套全新的市民卡双活数据中心来承载市民卡各种类型业务对接。
市民卡系统的建设需要在不同单位、部门、不同信息系统间进行业务协同和数据交换,这种协同和交换必须通过基础的网络、数据库平台来支持,这一平台最终将覆盖各个共建单位的对内对外业务和对内相关应用。系统平台由市民卡管理中心系统、灾备中心两部分组成。面对这样多的业务系统对接,高并发与大数据通路对平台的高效运转提出了巨大挑战。
绍兴社保市民卡数据中心新网络系统平台存在用户水平多样化、业务应用多、网络流量大的特点,数据中心网络系统需要保障用户高速、安全、快捷的访问各应用系统和互联网业务,同时需要保障业务安全、稳定、高速的承载。更重要的是,社保系统的特殊性使其对信息安全保障体系的建设格外重视。除了要满足信息系统安全可靠运行的需求,还必须符合国家和行业相关政策和要求。而数据安全保护涉及到硬件设备稳定,软件系统稳定,数据存储安全,容灾系统正常等方面。
先进架构打造面向未来的可靠网络,提升运营效率
基于对绍兴社保局的网络需求分析,华为提出敏捷网络解决方案,有效满足了社保局的两大需求:
1. 新一代集群技术CSS2(Cluste Switch System Generation2 ),保证市民卡业务网络可靠性
社保市民卡涵盖了各类市民日常生活相关的业务系统,需要及其稳定的网络通络,保证市民在使用过程中不会出现任何查询不到数据,数据出错等情况。华为在S 9700 / S7700 系列交换机中独创了CSS技术,通过主控的交换网直接出集群口,很好地保证了网络的可靠性。S12700在CSS 基础上参考核心路由器的交换网集群进行了改进,推出新一代集群技术CSS2,通过交换网板直接出集群接口进行互联利用,可以实现市民卡核心数据中心大数据量转发和网络高可靠性。
2.高带宽、低时延,简化管理与运维
较传统的集群方式很很大提升,1.92T超大集群带宽,12倍于业界水平;跨框转发时延仅为21us ,为业界平均时延60%;CSS2 独创了单主控管理整个集群系统的技术,可做到整个集群只要有一个主控,系统即可正常工作,实现主控的“1 + N ”备份。绍兴社保卡整个网络系统实现了统一管理, 简化了运营管理和维护工作,总体降低OPEX(运营成本) 20%,稳定可靠地支持业务系统7*24小时不间断运行。
绍兴社保市民卡数据中心建设,进一步提升绍兴社保信息化系统硬件平台的性能和运营稳定性;提高数据安全性和可用性;构建了统一的软硬件平台,能有效促进绍兴社保各部门的办公效率,减轻工作人员的业务办理工作量,同时增加管理科学性,减少财政浪费,方便了300万市民正常生活与出行。
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。