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
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。