2021年8月12日,在“TECH数字中国 2021技术年会”上,神州控股、神州信息、神州数码集团三家上市公司联合发布年度重量级解决方案——神州信创云。神州信创云作为全栈自主可控的信创云整体解决方案,凝聚了三家公司在信创、云技术、云服务领域的核心技术能力及三十年行业服务经验,提供从整体规划到实际建设的全生命周期服务,助力中国信创产业升级与价值创造。
云化是IT产业的未来,是各行业数字化转型的底座。根据Gartner及GIV公开数据:到2025年80%的企业会关闭传统数据中心,向主机代管、托管和云端迁移;100%的企业将使用云技术。云时代已全面开启,中国信创产业蓬勃发展,为三家公司携手打造的“神州信创云”带来了巨大的市场机遇和发展前景。
内建四层能力架构,提供层次化、模块化技术支撑
从底层基础设施到上层应用,神州信创云服务内容覆盖全,通用性强,适用性广,满足行业客户的各类需求。作为一站式“全家桶”信创云方案,神州信创云融合了前沿的理念、领先的技术、创新的产品和丰富的实践,内建四层能力,为行业客户落实信创提供模块化、层次化的服务,为业务安全发展提供强有力的支撑。
作为神州信创云的能力底座,神州云软件定义的数据中心提供安全可靠的信创云、行业云、灾备云、混合云等云服务。能力底座基于自主可控的神州鲲泰服务器、存储、网络和量子密钥分发网络,结合成熟的软件定义云数据中心的设计、集成、和运维能力,为各行业数字化转型提供可信、安全、灵活的信创云数据中心服务支撑。
神州信创云能力杠铃由容器云平台、公共服务以及具有弹性、敏捷、高性能、可伸缩的综合云服务、云管理平台组成,是支撑信创及云原生应用的软件基座。基于主流的微服务及容器技术,提供数据库、中间件等云服务,同时融合专业全面的云服务及云管理能力,为信创及数字化转型提供安全、可靠、专业、全面的管理服务。
应用及数据支撑平台是神州信创云的能力中枢,提供全面的云原生应用及数据支持能力。平台集合了分布式应用、大数据、AI、IOT、区块链及全域安全,六大完整技术服务能力。六大服务能力封装了金融、政企、智慧城市及供应链等行业场景中的技术积淀和验证,形成开箱即用的产品和解决方案,简化数字化转型建设的复杂度,降低建设风险,加速转型过程。
最上层能力是全行业应用市场,提供面向业务场景,持续扩展的应用服务。通过灵活的应用市场模式,提供自主可控的大数据、区块链、人工智能、量子安全等软件产品,方便行业客户便捷的获取和完善自身业务所需的应用技术及服务。并通过应用市场生态,持续扩展应用种类,更好的满足各行业客户的业务发展和个性化需求。
神州信创云具有强底座,全能力、专服务、贴业务的1162N能力特点,即:1底,一个强大的云数据中心底座;1云,一个容器云及公共服务平台;6全-六种全面应用及数据支撑能力;2专,两类专业的云服务及云管理服务;N贴-贴近N种业务场景,赋能数字化转型。
作为数字化原生企业的技术底座,它将帮助客户快速整合数字化资源和业务资源,拓展更多生态创新场景和业务模式;缩短业务对市场的响应周期,提升竞争及创新能力,便捷高效的开展外部合作;提升最终用户服务体验,以数字化技术开展个性化服务和创新服务;融合统一的智能化运维,稳定服务,高效管理,实时准确掌握运营情况。
同心协力,全方位助力信创建设
神州信创云倾注了神州控股、神州信息、神州数码集团三家上市公司的核心能力与优势资源。其中,神州控股作为一家以自主创新大数据融合技术赋能核心场景的高科技企业,致力于成为赋能多场景的大数据服务公司,面向城市大数据、行业大数据等核心场景,围绕数据供应链,利用星-空-地一体化数据采集分析技术打造核心产品,持续赋能城市智慧化发展和产业数字化转型。神州信息作为场景金融云平台的引领者,“懂科技+懂金融+懂数据”,以大数据、人工智能、区块链等数字技术融合应用为支撑,发力金融信创、场景金融、数据智能、云原生数字化安全底座,赋能金融及各行业数字化转型,服务实体经济。神州数码集团是中国优秀的云及数字化服务商之一,以自主创新和生态体系为依托,构建起全栈云服务能力,及全线自有品牌产品及解决方案能力,为处在不同数字化转型阶段的行业客户提供全生命周期的产品、方案和服务。
三家公司合力加持打造的神州信创云,融入了云原生、数字原生以及场景创新的核心技术与发展理念,致力于深耕信创产业,为企业数字化转型及信创建设打造灵活、高效、安全的云底座,携手各行业客户共创数字经济的未来!
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。