近日,企业级云服务商青云QingCloud与广东省公路局达成合作,采用青立方超融合系统为广东省公路局路桥监测提供稳定、安全、高效的云计算平台。凭借具有前瞻性且能无限扩展的云计算平台,广东省公路局能够轻松应对路桥监控中不断严苛的IT需求,游刃有余地面对未来可能产生的数据增长,并且不断优化自身的服务能力。
汽车作为现代家庭的必备品之一,已经成为了一个城市活力的度量值。广东省作为GDP大省和汽车制造大省,汽车保有量在全国一直名列前茅。有统计显示,截止2017年底,广东省汽车保有量为1894万辆,同比增长13.10%,增幅高于全国同期增长率。面对如此大幅且持续的增长,作为全省路网监控的主管单位——广东省公路局路桥中心却应对自如。这一切的自信来源便是其背后的云计算服务商——青云QingCloud。
众所周知,现代交通出行与创新科技密切相关。无论是遍布在各条公路上监控摄像头,还是每一个收费站的计算识别系统,他们背后都是一整套数据中心和无法度量价值的计算。任何一个微小的设备故障或者计算失误,带来的不仅仅是经济损失,更严重的是数据的缺失。数据缺失短期看来影响并不大,但对于未来的决策和战略调整都将会产生极大的影响。这就要求公路局的数据中心必须具备IT资源虚拟化、易运维、易扩展、高效可靠等特征。
事实上,广东省公路局路的数据中心也不是一蹴而就的。同大多数省份的公路局一样,广东省公路局最初的IT系统均采用物理机部署,随着监控要求和监控数据的不断增长,物理机的管理成本直线上升,而传统设备的能源消耗也是重要的成本支出,交通行业的信息化管理在需求不断变化时,显得力不从心。最初选型时,广东省公路局也曾经考虑过虚拟化数据中心的部署方式,但原有架构的虚拟化只能在专用硬件设备上实现,并没有彻底解耦硬件资源与虚拟化管理软件,若想将原有基础架构改造为云计算数据中心,在技术上和经济性上都行不通。
要实现云计算数据中心,进行异构硬件系统的融合是必须解决的问题。这就要求用分布式架构替代集中式架构,以通用设备替代专用型设备,青立方超融合系统正是顺应了这种趋势。同时,为了进一步与交通行业应用进行深度整合,青云QingCloud与利通科技智能交通研究院组建联合实验室,投入大量时间进行联调优化,确保交通应用在云平台的高效运行。本项目为广东省公路局提供的超融合云平台整体采用分布式全虚拟化,具备集中式统一云管平台,通过软件将服务器、网络、虚拟化等整合为一个易于管理的集成系统,并通过自动化运维减少手动操作,提高安全性,并降低人为错误,从而降低实施和运维风险,并降低运营成本。
广东省公路局信息化负责人表示:“自从开始使用青云QingCloud超融合云平台,我们部署新应用的时间从以往的2周降低到了3小时,系统本身具备高可用能力,应用故障发生不会影响服务,这对于全省路桥的监控和数据收集具有十分重要的意义。此外,对于快速发展的交通行业,应用本身也会发生各种变化,QingCloud为我们提供的云平台服务,能在不停止应用服务的前提下,实现在线迁移,更新和维护服务器。最为重要的是,该平台已经成为省、市级交通云平台的示范项目。”
除了广东省公路局,青云QingCloud在交通行业还有江苏交通、首发集团、齐鲁交通、国航、川航等用户,QingCloud的云平台、对象存储、AppCenter、大数据分析平台正在不断为各省市的交通出行提供技术支持和系统保障。未来,QingCloud将继续深耕全国交通行业,助力交通行业智能化转型。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。