现如今,城市居民出行可能不会带钱包,但是一定会带交通卡,一卡在手,刷遍全城不愁。但是到了外地,交通卡就失效了,这是一卡通使用受限的重要原因,而在广西北部湾经济区,这个限制已经被打破了。
日前,广西壮族自治区一卡通数据中心正式落成使用,一卡通互联互通系统、清分结算系统、运营管理系统、客户服务系统、密钥管理系统等一系列业务系统正在紧张测试中,即将上线运行,系统将完成广西北部湾经济区四市南宁、钦州、北海、防城港的联通和共享。广西交通一卡通各类业务系统均采用了浪潮提供的基础架构方案,包括关键应用主机天梭K1、通用服务器,以及大型存储等设备。
一卡通,通全国
交通运输部在2016年5月表示,我国将于今年年底实现100个城市的一卡通互联互通。广西是加入全国互联互通的省(区)之一。按计划,2017年年底前,广西将实现北部湾经济区四市与柳州、桂林、梧州交通一卡通;2018年年底前,实现全区范围内的交通一卡通;2020年年底前,实现与周边省(区、市)的互联互通。
另外,广西也在稳步推进交通一卡通系统建设,广西交通一卡通系统将全面应用于全区公交车、地铁、出租车、公共自行车、高速公路ETC、城际轨道交通、道路客运、轮渡、加油等,并逐步扩展到其他公共服务领域,从购买门票,到商场、超市、便利店购物,自动售卖机等各种小额支付业务。
“要有无限的扩展性”
根据规划,广西交通一卡通系统仍然处于起步阶段,后续会陆续接入全省所有地市,并与国家交通部的主系统连通,这直接导致系统未来几乎具有难以估量的扩展需求,尤其是数据库系统。
一方面,新的地市会不断接入,另一方面,现有的地区,广西交通一卡通支付的应用范围也会逐步扩大,从公交支付,向一般性公共服务扩展,由此产生的业务访问量将持续的快速增长,数据库系统的数据量积累也将越来越快。浪潮工程师表示,“这个系统将面临着超常规的扩展需求,所以,浪潮提供的数据库方案为具有BCP备份功能的双机RAC方案,十分便于扩展,并且高可用、高可靠,具有一定的容灾能力,满足用户高扩展需求的同时,也提供了超预期的可用性。”
方案中,2台天梭K1 910关键应用主机共同完成业务数据的存储、管理以及终端请求的处理,任何一个节点出现问题,另一个节点会自动将任务接管,不会影响对外服务。因而,这套数据库系统可以在不停机的情况下,增加新的硬件设备来提高性能,也可以对现有硬件进行更换和升级,两种切实可行的扩展方法有效的保证了整个系统的扩展弹性。
广西交通一卡通股份有限公司技术部门负责人表示,浪潮天梭K1很好地保证了广西交通一卡通系统的高性能和稳定性,此系统是一个公共服务系统,系统的技术表现直接关系着公共服务质量,在测试中,数据库系统的并发处理能力、请求处理延时等都十分理想,而且,下一步将对系统采集的数据进行分析和挖掘处理,为广西交通一卡通业务的发展和优化提供决策支撑,以改善运行效率,提高业务效益。
下一步,一卡通走向公共支付
从长远来看,交通一卡通未来有望被赋予更多的生活服务功能,如电子钱包、电子票证等,交通一卡通的普及推广以及未来功能的再延伸,例如可供公交车、地铁、出租车、公共自行车刷卡使用,同时在缴纳水费、燃气充值、社区医院结算、景区购票等方面也可使用一卡通。
目前,浪潮与正与广西壮族自治区交通运输厅规划广西交通一卡通二期工程,将该系统与民航系统、市民卡等系统的对接,更好的支持广西交通一卡通的应用推广。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。