2020年12月29-30日,中国电子技术标准化研究院举办的“第十届中国云计算标准和应用大会”在北京举办,来自政府管理机构、开源社区、行业领先企业的权威专家齐聚一堂,围绕我国云计算标准、技术和产业发展的新模式、新业态、新场景以及成效经验等话题进行了深入探讨交流。
曙光云受邀参加本次大会,并凭借安全可信城市云在云计算技术创新、业务实践及用户赋能等方面的杰出贡献,荣获大会“2020年云计算最佳实践奖”。

据悉,曙光安全可信城市云作为行业内首个“全国产云”,全面兼容各类主流架构国产处理器,具备从底层处理器到上层应用的完整技术产品栈,具有安全可信、全栈服务、无忧交付、生态丰富4大核心特点。截至目前,曙光安全可信城市云已在天津、无锡、成都、抚州等政务云平台应用实践。已为政府多个部门提供了全国产的政务外网和互联网端的计算、存储、安全等云服务资源,加速了政务数字化进程,树立了政务云新典范。
实践中诠释曙光云“S.A.F.E.”价值
曙光云计算产品架构负责人在大会上发表了《曙光安全可信城市云应用实践》的主题演讲,其表示,在“新基建”背景下“数字新基建”格局正在形成,城市稳定运行需要安全可信的云基础设施,曙光安全可信城市云正在以城市云计算中心为基础,构建支撑城市信息化建设及数字产业发展的安全可信云基础设施。曙光安全可信城市云基于国产微处理器构建智能云管平台,可为用户提供安全稳定的运营管理体系、丰富成熟的应用生态环境、无须二次开发即可平滑上云的体验。
该负责人表示,曙光安全可信城市云具备“S.A.F.E.”四大优势,即安全可靠(Security)、完整全面的云产品栈(All-Stack)、高效无忧的迁移交付(Fast Delivery)、丰富成熟的应用生态(Eco-System)。而“S.A.F.E.”不仅是曙光安全可信城市云的优势呈现形式,也是曙光云的产品及品牌理念,更代表着曙光云带给用户的四大核心价值。
曙光安全可信城市云正在应用实践中诠释其“S.A.F.E.”的价值。据悉,目前已经升级为曙光安全可信城市云的政务云平台,均采用基于国产安全可信微处理器,可构建从基础设施、操作系统、数据库、中间件到应用软件的全国产云技术架构,并符合国家权威机构认证评估要求及标准,这体现的便是曙光安全可信城市云安全可靠(Security)。
用户在使用曙光安全可信城市云的过程中,无需进行深度优化和二次开发,即可实现平滑迁移上云,并在使用过程中曙光安全可信城市云为用户提供了安心的供应链保障、全场景覆盖的解决方案和管家式服务,使用户真正体验到即建即用、无缝迁移的“全国产云”。这便是曙光安全可信城市云高效无忧迁移交付(Fast Delivery)的体现。
曙光安全可信城市云在用户的使用过程中,凭借出色的技术供给能力和出色的兼容性,可满足用户对基础设施(IaaS)、平台层(PaaS)的所有需求,并可以支撑应用层(SaaS)的各类场景应用需求。这便可以视为曙光安全可信城市云完整全面的云产品栈(All-Stack)和丰富成熟的应用生态(Eco-System)的呈现。
云计算最佳实践的延续
安全可信城市云作为曙光云对云计算的一种实践形式,以解决用户上云、用云的痛点为目标,始终秉承“S.A.F.E.”理念,致力于引领我国云计算产业积极向着安全可信、无忧交付、生态繁荣发展。
曙光云将持续携手生态合作伙伴一道,面向国民经济发展主战场,为百行百业的数字化转型与创新发展提供有力支撑。
好文章,需要你的鼓励
据报道,ServiceNow正与身份管理平台初创公司Veza进行深度收购谈判,交易金额可能超过10亿美元。Veza的平台帮助企业保护员工工作账户安全,识别未使用账户和权限过度的账户,还能检测违反职责分离政策的账户。该平台还可管理机器身份和应用程序集成。此次收购将补强ServiceNow在用户账户和机器身份管理方面的功能短板。
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。
谷歌云发布PanyaThAI数字化转型计划,旨在帮助泰国企业部署企业级AI智能体应用。该计划首批支持15家机构,包括朱拉隆功大学、泰国证券交易所等。研究显示AI到2030年可为泰国经济贡献7300亿泰铢。计划提供全栈AI基础设施、咨询服务和员工培训,合作伙伴将培训300名本地专家。已有企业展示成果,如SE-Education通过AI语义搜索将转化率从12%提升至27%。
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。