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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。