郑州农商银行部署Nutanix软件定义解决方案进行IT基础架构现代化改造,构建私有云数据中心
2020年9月24日,北京——企业云计算领导者Nutanix(纳斯达克:NTNX)近日宣布,河南省最大的市级农村商业银行,郑州农村商业银行股份有限公司(以下简称“郑州农商银行”),成功部署了Nutanix超融合基础架构和企业云操作系统软件解决方案。此次部署是郑州农商银行以IT基础架构现代化改造驱动业务创新进程的重要组成部分,为中国农村商业银行数字化转型树立了典范和标准。
郑州农村商业银行股份有限公司成立于2019年10月21日,是经中国银保监会批准,由原郑州市郊联社和郑州市区联社合并组建成立的股份制商业银行,标志着河南农信社改制工作取得的重大进展。目前,郑州农商银行是河南全省106家农商银行中规模最大的市级农商银行,拥有员工1,537人,设有181个支行,全面覆盖郑州城区及周边,为社会各界提供全方位高品质的金融服务。
随着国家不断优化农村信用体系,农村地区的金融环境正在改善。越来越多的资本流入农业领域,乡村振兴迎来了新的增长期。因此,对于中国的农村商业银行来说,借助现代科技加速数字化转型,以提高金融服务供给能力和质量至关重要。
在国家深化金融监管体制改革和实施乡村振兴战略的背景下,郑州农商银行启动了数字化转型项目。为保持市场竞争力,郑州农商银行制定了以金融科技作杠杆,发展创新本地化金融产品的目标。然而,原有的IT基础架构扩展性差,整体存储效率较低,空间几乎消耗殆尽,形成多个数据孤岛,无法保证业务连续性和可靠性,严重阻碍了业务创新发展。
同时,郑州农商银行复杂的IT环境也为IT系统运营造成了一系列困难,IT团队不得不面对在日常运营、管理和故障处理等方面的额外挑战。为了解除原有的三层IT基础架构对于郑州农商银行进一步发展的制约,郑州农商银行决定对原有架构进行升级,构建一个自动化、智能化运维且可扩展的全面平台。
经过对众多IT架构升级解决方案的全面评估后,郑州农商银行最终选择超融合领导者Nutanix来进行这次IT架构的升级和迁移。根据郑州农商银行的IT架构升级计划,Nutanix有针对性地为郑州农商银行量身打造了一套企业云解决方案,具备统一IT管理、灵活系统拓展、内置虚拟化、容灾备份、以及便于迁移和升级的关键功能。
通过与Nutanix的合作,郑州农商银行顺利地实现了向企业云IT模式的转型,满足银行对未来5-8年发展的需求。值得注意的是,Nutanix系统性能优良,使得郑州农商银行的物理服务器数量明显减少,从原来的50多台减少到现在的不到20台,而性能和存储空间反而有明显的提升,此外IT团队人力投入也下降了一半。
全新的IT基础架构大大降低了IT工作的复杂程度,使得IT团队可以快速响应银行的业务需求,更加高效地进行新业务系统研发和部署。从IT系统的日常运维中解放出来后,IT团队可将更多精力投入到关注集群状态、业务性能的精细化管理中。
与此同时,通过结合Nutanix企业云操作系统软件解决方案高可用、高可靠的数据恢复、存档和平台生命周期管理能力,郑州农商银行大大提升了IT系统容灾备份能力,有效保证了数据安全性和合规性。
郑州农商银行科技部CTO李昕表示:“我们希望通过现代化IT基础架构来保证金融业务的稳定运行,实现业务转型和本地化特色发展。Nutanix企业云操作系统软件解决方案符合未来云的发展趋势,能够为IT基础架构提供灵活的弹性,提高基础架构的稳定性和安全性,满足了金融服务行业快速适应市场环境发展,发展创新业务模式的需求。我们期待继续深化与Nutanix的合作,为中国农村商业银行的数字化转型提供借鉴意义。”
Nutanix中国区董事总经理马莉表示:“数字化转型是金融服务企业保持市场竞争力的关键。作为一个卓有远见的行业领导者,郑州农商银行通过建立现代化IT基础架构成为了行业数字化转型的领跑者。我们非常荣幸通过Nutanix的软件定义解决方案,在未来继续支持郑州农商银行的业务转型和发展。”
展望未来,郑州农商银行计划将所有的业务应用迁移到Nutanix企业云平台上,继续深化数字化转型进程。郑州农商银行也将继续拓展其企业云集群,尝试更多Nutanix企业云软件操作系统解决方案产品,如企业云安全解决方案(Nutanix Flow)和NAS分布式存储平台(Nutanix Files)。携手Nutanix,郑州农商银行期望打造一个完善的、灵活的、弹性的、安全的、操作简便的行业领先私有云数据中心。
与郑州农商银行的合作是Nutanix近期在中国市场的最新成就,凸显了Nutanix对中国市场的持续深耕与投入。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。