中国太平洋保险(集团)股份有限公司信息技术中心数据应用专家周枫说“随着华为与太保在大数据领域联合创新的持续推进,太保集团大数据应用重量级拳头产品客户数据ATM项目获得里程碑式的成功。该系统基于对大数据内存计算和全文检索等主流技术应用,和其在实际保险业务场景中“可支持PB级海量数据”、“多层级多维度60+关键字搜索”、“即时刻画、秒级呈现”、“与下游用户界面无缝衔接”等四大突出成果,为未来几年数字化工程,重构保险商业模式,实施“数字太保”战略奠定了基础!”
太平洋保险集团公司现开展寿险、产险、养老保险、资产管理、在线服务等专业保险业务,通过78家省级分公司构建了覆盖全国的营销网络和多元化服务平台,拥有近10万员工和30+万的保险营销员,为超过9000万客户提供全方位风险保障解决方案,以及投资理财、资产管理服务。
在云计算大数据技术日趋成熟的当今,保险机构通过对保险业务数据、客户信息和媒体信息的数据挖掘分析,可进行客户画像并分析客户属性,更准确地发现目标客户和更多的营销机会(客户挽留、交叉营销等),实现市场、渠道和产品的细分与创新,动态掌握保险市场需求的变化,提升市场竞争力。
近年来随着保险业务的迅速发展,生产系统和管理系统产生的数据呈几何级数增长,传统的数仓分析方法和竖井式架构已无法满足业务需求,且成本越来越高,亟需更优化的方法和工具。
针对上述问题,华为与合作伙伴基于业务实践推出了金融保险大数据解决方案。其中包括:大数据处理平台FusionInsight和大数据基础设施(服务器、存储、网络)
FusionInsight是企业级大数据存储、查询、分析的统一平台,包含基于开源Hadoop及其生态组件构建的Hadoop core核心,还包含了支撑企业级大数据业务的高级管理特性,支持客户快速构建海量数据信息处理系统。
整体解决方案构建在开放的华为大数据基础设施之上,通过采集源自产险、寿险和在线等系统的业务数据和外部数据,导入FusionInsight大数据平台进行分析处理,由业务应用系统最终实现日志分析、实时计算、LBS、客户一点通等业务功能。
经过近一年的努力,系统构建了统一负载的全量数据分析平台,采用X86服务器基础架构,统一的在线实时存储、处理、分析工具,支持PB级海量数据处理,系统性能还可随业务需求线性扩展,降低生产成本。
系统上线后满足超过200个业务系统和8000万客户的相关数据的挖掘分析需求;最大可支持4000个节点。基于Solr on HBase技术,平台向应用提供秒级提数,支撑最大并发用户数380个,平均查询响应时间为3S、数据下发时间10S。由此平台构建的太保卓越客户经营系统可支持多层级多维度60+关键字搜索、实现“即时刻画、秒级呈现”。
丰富的界面、向导式的安装和升级工具提供了高效运维模式,对原生接口进行了二次封装,实现用户界面无缝衔接,更方便应用开发。后续将进行数仓迁移、核保系统、数据挖掘洞见和统计报表(审计大数据)等应用开发。
未来,平台可线性扩展和支持多业务并发应用,多租户技术保证资源利用最优化,无缝对接分布式数据库MPPDB系统和超融合架构。太保将大数据推向更加广泛的应用,从已有的查询,推广至统计、预测和数据批级处理方面,推动保险业务智能化发展,为实现“数字太保”战略奠定基础。
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。