光大银行通过分行二级资源池项目将分行所有资源纳入云管理平台统一管理,与前期建设的总行一级资源池,共同形成创新性的总分两级资源池。
为保证分行二级资源池可落地性,匹配分行简化运维、提升可用性和可靠性需求角度考虑,针对分行二级资源池使用的超融合基础架构设备构建IT系统,提升IT系统的资源利用率,经过综合评估后,采用华为融合架构方案构建分行二级资源云。
在项目建设之初,光大银行制定了项目目标,从16年8月起,到12月初完成全国39个站点的实施,实现:
通过分析,项目困难主要集中在:
(1) 时间紧,不到5个月时间,去除国庆、年底封网等,有效时间不足三个月;
(2) 任务重,涉及部全国39个站点,230节点,5000多CPU规模融合架构环境部署,以及现网业务迁移。
(3) 环境复杂,分行网络等基础设施涉及多品牌、多型号,整体差异较大;
(4) 对人员综合技能要求较高,但分行人员水平及数量不一,分行科技人员对华为产品的熟悉程度不尽相同;
为实现项目目标,华为立项为重大项目,联合光大成立联合项目组,建立分层分级沟通机制,紧密配合,制定详细合理进度计划,通过环境调研、规划设计、试点实施、培训、全行推广、数据迁移六大过程,并加强实施过程中的指导和监控,通过进度计划管理、问题风险管理及需求管理的例行进行,保证了项目平稳有序执行及结果可控。
在执行过程中,通过环境调研,考虑安全性、可靠性、可用性、扩展性及可维护性,量身定制合光大的设计方案;通过集中评审对设计方案和投产实施控制表进行检查和评审;制定标准的实施指导文件,针对分行试点部署过程遇到的历史问题进行分析回顾和对比检查进行问题回顾,总结经验并修正文档;对产品及项目情况在实施前进行统一培训,提升分行客户对项目的熟悉度和技术能力;通过供应链预安装配置,实施前网络、机房环境等基础条件的检查,使分行部署简化,提前规避问题;通过制定质量标准,输出测试用例,代表处自检,数据中心项目组验收等手段,充分验证和测试,保证施工效果。
经过联合项目组的共同努力,达成了以下成果:
项目最终按计划完成建设任务,达到建设目标。在整个项目建设过程中,华为公司人员加班加点,充分体现了以客户为中心,艰苦奋斗的精神,得到光大银行人员的一致认可和表扬。
时间就是金钱,效率就是生命,通过华为规范化、专业化的项目管理,组织遍布全国的交付服务资源,使超融合架构以及更多的新型的金融解决方案,能更快、更广的为客户带来便利、降低成本、创造价值。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。