1月5日,随着徐州市、县两级路网中心值班员清脆的鼠标点击声,徐州市公路管理处路网设施运维管理系统正式上线运行。
与以往的系统部署上线不同,本次徐州公路处没买一台服务器,没加一台网络设备,在硬件资源上实现了“零投入”,系统的部署时间也由原来的1~2天缩短到了现在不到半小时,省去了硬件架设、网络调试、操作系统安装等环节。这一切都得益于2017年底建成的江苏“公路云”,只需要在“公路云”的管理系统点点鼠标,几分钟就能建好一个应用系统的发布环境。
江苏“公路云”是江苏省省交通运输厅公路局在全省“交通云”架构下建设的行业私有云,也是全国首个服务省域范围普通公路行业应用的云平台。
江苏省交通运输厅公路局是省交通运输厅的职能部门,负责全江苏省公路的行业管理。现建有覆盖全江苏省公路管理养护节点的省市县三级网络,实现了公路管、建、养、收等业务系统的省集中。
信息化准入门槛高,“公路云”建设破瓶颈
随着国家信息化发展战略的实施和普通公路行业转型发展的推进,公路部门充分利用大数据、云计算等新一代信息技术,在路政巡查、桥梁监测、路网运行分析等多个实际业务场景中开展了试点创新,但是服务器、存储、数据库、中间件这些信息系统运行所需的基础设施动辄数十万元甚至上百万元,信息化准入的高门槛,让很多一线业务生产中的好点子、好方案只能停留在空想,不能付诸实施。
为了打破这一瓶颈,江苏省交通厅公路局于2016年下半年启动了“公路云”的研究建设。建设团队针对普通公路云计算应用需求和体量,组织九家国内外知名IT服务商一起开展了IaaS(基础设施即服务)层、PaaS(平台即服务)层和管控系统18类58项指标的针对性评测。经过三轮测试与交流,曙光脱颖而出,成功中标江苏省公路云,并于2017年12月28日完成了“公路云”部署调试,在2018年1月5日实现了首个市级应用正式上线。
曙光四步助力“公路云”上线
针对当前江苏省普通公路云计算应用的发展需要,曙光提供了“公路云”的解决方案,四步助力全国首个服务省域范围普通公路行业应用的云平台正式上线。
1、曙光提供分布式存储ParaStor 300和高端存储DS900作为“公路云”核心硬件支撑设备。
2、“公路云”通过采用中科睿光(曙光和VMware的合资公司)的CloudVirtual软件构建计算资源虚拟化层,实现对CPU、内存等硬件资源虚拟化和对公路局基础设施的资源池化。同时能够对现有VMware虚拟化资源池进行统一管理,有效保护原有投资。
3、通过中科睿光CloudManager云管理软件构建基础设施服务的交付能力,“公路云”既能实现包括虚拟资源和物理资源的生命周期管理、资源分配等省公路局数据中心资源池的统一管理,也能实现包括资源弹性伸缩和自动负载均衡能力等对计算、存储、网络资源的灵活编排和调度。
4、“公路云”不仅具有服务管理能力,能提供服务的生命周期管理;而且通过基础设施的统一运维能力,可灵活地分权分域能力;还能将省局和各地市公路处的云资源监控信息和非云资源监控信息都汇聚起来进行统一运维管理。此外,通过统一门户,“公路云”还可为云平台管理员、用户提供访问使用界面,实现资源管理、监控运维、服务申请、应用部署、自助服务等功能。本次曙光为江苏省公路局客户提供了4级管理员权限,充分满足了公路系统的不同运维管理层级需求。
曙光采用SDN模块,备受客户青睐
曙光为用户提供的多租户模式的VPC(虚拟数据中心)功能,包括IP管理、DHCP、安全组、负载平衡等,其中安全组功能可以为虚拟机提供网卡级别的细粒度安全防护,能够有效防止内网中基于IP和端口的攻击。
此外,曙光采用的SDN模块完全基于软件来实现,在虚拟数据中心内部基于一定策略实现了网络和安全机制的有效调配和管理。同时提供了高度可扩展的虚拟网络,可简化调配,降低运营成本,同时减少对防火墙、负载均衡等硬件设备的需求。
江苏“公路云”的上线,减少了江苏省公路市县两级信息化基础设施的重复投资,降低了信息化准入门槛,避免了县级信息化“麻雀却小,五脏需俱全”的发展尴尬,同时实现了软硬件资源的统一监管、灵活调配,提高了资源利用率和系统稳定性。基层一线可以更多聚焦于生产的应用创新,业务上的好想法也可以通过应用的迭代开发快速上线,大大缩短了业务需求对硬件资源的等待时间。
随着江苏“公路云”上应用的增多,各种创新业务管理方式、公众服务手段将能够更好地互相学习、借鉴,形成互促共进的发展局面,助推公路现代化的建设进程。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。