作为山西省重要经济支柱产业,煤炭企业如何通过科学技术改善传统的生产、运营方式和效率,一直是煤炭企业管理人员深入思考并付诸实践的重要关注点。而随着信息化技术的不断发展,传统煤炭企业的数字化转型进程不断提速,希望从勘探、到开发,再到储运和销售,最终延伸至终端用户,实现全程全网协同管理,进而实现运营过程的自动检测、智能监测、智能控制、智慧调度、高效的企业运营管理,最终升级为智慧煤企。
山西晋城无烟煤矿业集团有限责任公司(以下简称“晋煤集团”)是全中国最大的煤化工企业集团,拥有68个子公司、10个分公司、1个托管企业,山西省内外在岗员工有14万余人。如何智能、高效的管理运营如此庞大、复杂的组织,保障业务高效运转,是晋煤集团业务的长期发展诉求。
晋煤集团作为世界500强企业,为保持高速的业务发展,需要尽快实现企业云化,来解决信息化基础设施建设缺乏统一规划,设备重复建设,维护工作困难等问题,从而实现资源共享,资源自动化发放部署。
针对上述需求,华为联合山西科宇通电力科技公司为晋煤集团提供了云数据中心解决方案,助其实现了原有业务数据的平滑上云,不仅全面保证了现有业务的正常运转,也满足了晋煤集团“一朵云”的需求,为未来业务的发展打下了良好基础。
通过本次云数据中心的统一规划建设,后期可轻松实现多次按需部署,降低规划难度,规避投资风险,弹性、灵活、便利的扩减容机制,可随时调整以匹配业务或ICT需求的变化等。
云数据中心实现统一资源管理,统一的运维管理,资源发放能够自动化、服务化,在进一步降低维护成本的同时,提升了运营效率。
安全生产是煤炭企业的重中之重,本次晋煤集团“一朵云”建设运用了两大关键核心技术,以保证业务安全、可靠运营。
1全闪存架构,业务稳中求快
根据实际业务系统等级进行部署,核心生产数据库系统用NVMe全闪存架构承载,在保证卓越性能的同时,实现稳定可靠、融合高效的数据存储服务。
并且在开启在线重删、在线压缩、快照等增值特性时,系统仍保持0.5ms稳定时延,业务性能提升3倍。
2双架构保障业务连续性
针对业务连续性要求高的业务系统,采用A-A双活容灾方案,确保设备一旦发生故障时,业务平稳运行不中断。同时借助免网关双活方案,保障了关键业务99.9999%高可用。
为实现对网络资源的统一控制和动态调度,以快速部署云业务,本次晋煤集团“一朵云”建设采用华为SDN控制器,其具备开放的架构,可提供丰富的、开放的标准接口,北向支持与业界主流的OpenStack云平台实现L2-L7层对接,南向支持管理物理交换机、虚拟交换机、防火墙等物理和虚拟网络设备。
其中,Agile Controller-DCN作为华为CloudFabric数据中心网络解决方案的核心组件,通过北向接口接收“以用户为中心”的业务诉求,并将其转换为网络配置、批量下发,实现网络自动化,从而提供高可靠集群能力,并支持主备集群部署,实现异地容灾,满足数据中心业务的高可靠性要求。
华为和山西科宇通电力科技公司按照晋煤集团“集约高效、共享开放、安全可靠、按需服务”的总原则,助力晋煤集团建设的“云网合一、云数联动”集团“一朵云”,实现了各部门基础设施共建共用、信息系统整体部署、数据资源汇聚共享、业务应用有效协同,为晋煤集团的企业管理和公共服务提供了有力支持,提升了其生产技术水平,助力晋煤集团加速实现数字化转型。同时,双方也将不断深耕能源企业,随着能源企业业务的不断发展,研制出有效匹配需求的信息化解决方案。
晋煤集团相关负责人表示:华为与山西科宇通电力科技公司帮我们提供的云数据中心解决方案,为我们实际生产、作业提供了非常好的平台架构,在降低设备投资,实现高效资源利用率的同时,大大提升了我们的业务部署运行效率。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。