数字化已经成为互联网时代信息化的具体体现,加强数字烟草成为烟草行业息化建设的重要目标,是实现简约管理、高效运作、实时监控的有效途径。早在2003年,国家烟草专卖局就启动了行业卷烟生产经营决策管理系统建设,即“一号工程”。该系统通过对件烟和条烟进行唯一标识,并在关键物流业务环节对标识进行识别,实现了卷烟产品从工业生产到商业销售全过程物流跟踪。“一号工程”使烟草行业在全国各个制造产业中,率先实现了单件产品的物流跟踪,为建立专卖体制下的烟草现代物流奠定了基础,更成为数字烟草之路上重要的里程碑。
当IT基础设施跟不上业务发展的脚步
“一号工程”在推动烟草行业宏观调控和经营决策方面发挥了重大作用,例如,通过决策系统,国家局能够每隔15分钟监控到工业企业实际生产状态、卷烟的真实流向,商业企业实际到货、购进、销售和库存等情况,能够做到对卷烟生产经营的实时调控,从而有效控制工业企业的生产节奏,规范商业企业销售行为。
然而,经过十几年的建设和发展,支撑国家局和省局一号工程的大批硬件设备出现老化、故障频率高、负载重、资源不足等问题。同时,随着烟草行业信息化建设的逐渐深入,其信息系统变得越来越庞大,随之而来的是服务器数量急剧增加,导致机房空间紧张,散热、功耗等问题也加重了机房的资源压力,而且未来新业务系统上线必然需要部署更多服务器,当前烟草行业大多单位的机房都已不堪重负。
此外,烟草企业内部许多信息系统因不同业务目的而分别建于不同时间段,这些系统的硬件平台和操作系统都不尽相同,导致现有应用系统间通信状况混乱、沟通困难、数据重复交叉、界面杂乱、信息系统业务流程零散等诸多弊端,如销售、专卖、烟叶、财务等子系统普遍存在各自独立和信息隔离等现实问题,缺乏信息交流与共享,信息资源的作用没有无法充分发挥,造成了“信息孤岛”的现象。
业务上云 一步解决所有难题
面向“十三五”,国家烟草专卖局提出要积极应用“互联网+”、大数据、云计算等现代技术和管理手段,推动行业信息化工作再上新水平明,确立了“打造虚拟化、透明化、弹性化、动态化、绿色节能的统一云平台,强化服务,建设一体化数字烟草”的信息化战略任务,竭力打造烟草行业统一资源管理服务体系,提高资源利用率,提高企业的管理效率,为适应信息技术发展奠定基础。
中国烟草专卖局除了需要用一批性能强劲、稳定可靠的服务器来将原有老化设备进行替换外,更重要的任务是引入虚拟化、云计算等新技术,构建更加开放、灵活的行业化技术架构,形成良好的行业信息化统一基础平台,打破“信息孤岛”,适应未来发展要求。
针对中国烟草的需求,浪潮提供了四路旗舰服务器NF8480M3,这款服务器采用全模块化设计,单机最高达60个计算核心,具备顶级计算性能,强大的内存扩展能力,可扩展至6TB内存,并支持内存交叉存取、热插拔、内存镜像、内存热备份等60余项高级RAS特性,被誉为云计算、数据库的黄金搭档。
在这个项目中,部分NF8480M3作为数据服务器,分别部署于中国烟草国家局及地方分公司,为烟草行业数据提供统一标准,实现“数入一库”、“数出一门”,对烟草数据进行实时采集,监测及管理,成为构建烟草行业统一基础平台的重要基石。
另外一部分NF8480M3则借助虚拟化技术实现IT资源池化,构建统一基础平台,使IT资源能够灵活扩展、动态调度,支撑起中国烟草的供应链管理、政务管理、运营管理、资源管理和监督管理五大应用系统,缓解机房运维和部署压力的同时也减轻了日后新业务上线的压力。烟草行业统一平台打破各业务系统之间的间隔,实现数据了互联互通、信息共享,为烟草行业私有云建设奠定了基础。
打造业务驱动型IT基础架构 实现一体化数字烟草
依托浪潮服务器及其解决方案,中国烟草建成了具备业务感知、商业智能和统一管理等关键能力的IT基础架构。稳定可靠的数据库服务器作为支撑行业数据传输和交互的载体,为中国烟草提供了安全可靠的数据接入、加工、存储、传输和共享功能。承载五大业务应用系统的统一基础平台集成多种业务门户、流程、和服务体系,打破原有的信息孤岛,实现业务系统灵活跨越。
目前,烟草行业统一基础平台已全面覆盖国家局、33个省级局和31家卷烟工业公司,该平台帮助烟草公司实现了IT资源集约化,业务管理精细化,降低了运维成本,提高了服务能力,使中国烟草在实现数字烟草的道路上迈出的重要一步。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。