日前,中国人民银行征信中心天津研发测试中心采用近百台浪潮高端双路服务器NF5280M4搭建其大数据研发平台,用来开发符合其业务需求的数据库、统计平台和评分模型等相关软件。
数据多并不是大数据,能够利用IT先进技术将碎片化的信息整合起来才能形成真正有用的大数据,征信的基本过程就是将分散的、看似用处不大的局部信息整合成可以完整描述消费者信用状况的全局信息。
未来征信行业的核心竞争力就在于其数据挖掘能力和模型开发能力,为此,中国人民银行征信中心决心搭建专门的大数据研发平台,开发出适合自己的信用评估模型、更多样的数据库类型和业务平台,从而在海量数据中挖掘出更多不易被发现的信用信息。大数据研发平台需要对新开发的平台和模型进行成百上千次的模拟、测试,进而不断细化和更新,这就需要支撑平台的服务器具备高可靠性,保障平台持续稳定运行。
中国人民银行征信中心专门负责企业和个人征信系统(即金融信用信息基础数据库)的建设、运行和维护。如今,其征信系统已成为世界规模最大、收录人数最多、收集信贷信息最全、覆盖范围和使用最广的信用信息基础数据库。
经过反复考察,中国人民银行征信中心最终选择了浪潮高端双路服务器NF5280M4。NF5280M4采用系统环境动态感知和动态功率调节技术,配合先进的风冷系统实现最佳工作环境,可以保障系统稳定运行;除了电源、风扇、硬盘冗余热插拔外,可实现关键部件故障自动检测和修正,故障部件自动隔离等高级RAS特性。
大数据时代,没有现成的免费午餐,数据和模型都需要提炼,拿来主义是行不通的。目前我们已经积累了海量数据,依托浪潮服务器搭建的大数据开发平台,稳定可靠,能够帮助我们开发出更多的数据分析平台和信用评估模型,更好地利用大数据做好信贷审批和风险管理。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。