“生命就像一条大河,时而宁静,时而疯狂。”我们在感叹生命无常的同时,更加明白健康的重要性。正如这首歌曲表达,每个人在人生的大河中,健康并非唾手可得。医院承担着救死扶伤的职责,每一分一秒的耽搁都会带来不可挽回的后果。
与时间赛跑——这是北京同仁医院始终坚守的一道防线。作为业内公认的权威性大型综合百年医院,同仁医院对自身业务系统的高效、稳定性一直有着近乎苛刻的要求,只求为每一位病人尽最大责任。为了给业务系统加上保险,同仁医院使用了浪潮安全应用交付系统(浪潮SSA)保障自身系统稳定、安全、可靠。
北京同仁医院是一所以眼科、耳鼻咽喉、头颈外科为国家重点学科的大型综合三甲医院,该院设有东、西、南三个院区,年门急诊量250余万人次,年手术量10.7万余例,并保持高速的增长状态。同仁医院在西区部署了以CACHE数据库为内核的HIS系统,并接管东、南两区域数据,实现三区合一的统一管理,建设成跨整个护理流程管理、临床和行政信息管理的质量管理服务平台。HIS系统中部署有临床、药房、病区、手术等关键业务,并且同时供三个院区医生同时使用,尤其是在高峰期每天近万人次的门急诊量,必须保证这些核心业务在运行过程中的高速及稳定,从而保证整个医院业务有条不紊的运行。保障HIS系统的负载均衡,成为关乎医院整体业务高效运行的关键问题。
负载难题困扰同仁医院
同仁医院HIS系统为缓解单台服务器提供业务造成服务器负载过高,采用服务器集群来共同承担高访问、高并发时的应用负载,有效减轻了服务器端的负载压力,但是依然隐藏巨大挑战。
挑战一:“访问风暴”瓶颈显现。在访问高峰期,其访问、处理能力明显降低。如何基于已有服务器数量的情况下,通过对业务系统流量进行处理从而保证访问速度以及处理能力等在访问高峰期时依旧快如闪电?
挑战二:既要风驰电掣,更要稳如泰山。稳定运行是医院HIS系统的核心诉求,服务器集群中某个节点出现故障可能会影响到整个业务系统,医院所有业务效率延迟甚至停滞。并且有新业务上线需要更改设备接入时,不能对已有网络产生明显影响,并且在发布新业务时要保证后台服务器的安全。
浪潮SSA打造高效稳定的生命通道
根据同仁医院的实际需求,浪潮为其提供安全交付应用产品SSA3000,应对业务高峰,处理高并发、海量业务访问和请求,保证业务从始至终的高效及稳定。浪潮SSA采用了多种负载均衡算法,可以将来自互联网的用户访问均衡分发到后端服务器群组,全面提高了服务平台的访问速度和用户体验。当后端一台Web服务器发生故障时,SSA可以根据健康检查情况,将用户访问分配给正常的服务器,保障公共服务平台业务的高可用性。
浪潮SSA3000通过独创的ISEOS操作系统,分载了同仁医院应用层业务压力,系统性能提升了50%,同时借助丰富的7层特性和灵活的健康检查功能为同仁医院的应用系统提供了极大的可用性和可靠性,满足了用户当前及未来扩展的需求;
SSA3000通过双机部署、数据平面与控制平面的分离,链路汇聚及冗余等多种技术,增强了同仁医院系统的高度可用性,保障了应用的稳定性及业务的连续性。并且SSA全面支持虚拟化技术,为未来同仁医院系统架构奠定了应用层基础,保障了投资价值,并实现了真正的绿色环保。并且用户将其他主流品牌的设备更换到浪潮的平台,通过简单导入即可进行网络切换,平均切换时间小于10分钟,即使有新业务上线也不会对主要业务造成影响。
“新系统上线之后,浪潮SSA所承载的业务不论是在高峰期还是其他任何时候都能快速地访问,并且业务非常稳定,真正实现了部署灵活、改配灵活、升级灵活,为我们医院的业务提供了非常大的帮助”,同仁医院相关领导如此评价。
好文章,需要你的鼓励
北京大学与小红书公司联合研究团队提出的Uni-Instruct框架,成功统一了10多种现有单步扩散蒸馏方法。该框架基于新颖的f-散度扩散扩展理论,通过可计算的等价损失函数训练单步扩散模型。实验表明,Uni-Instruct在CIFAR10和ImageNet 64×64数据集上创造了新的单步生成记录,FID分别达到1.46和1.02,甚至超越了其79步教师模型。研究还成功将该方法应用于文本到3D生成任务,展示了统一框架在提升生成质量和效率方面的巨大潜力。
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。