在银行的IT架构中,尤其是商业银行,其核心业务系统作为处理和管理存款、贷款、中间业务等银行核心产品的生产系统,可谓是支撑银行日常正常运营的基石,核心业务系统的先进程度至关重要,直接影响到其业务流程优化程度、生产效率及盈利能力。
随着银行业务形态的多样化和数字化转型进程的加速,银行须对IT系统架构和业务体系进行重构和优化,打造运行高效、长期可用、满足专业化经营要求的新一代核心业务系统,通过加速产品创新满足移动互联网时代业务快速增长的需求,并满足业务在连续性方面的严苛要求,逐步实现银行数字化,为对接“植入式”银行4.0夯实基础,进一步满足未来金融市场的需要。
99.9996%正常运行时间 保证业务连续性
华南某银行作为商业银行,其核心业务系统部署在Power平台上,Power架构超强的稳定性和极低的故障率,为其业务发展提供了强力支撑,上线以来平稳运行多年,见证该行发展壮大的同时,积累了海量的高价值稠密数据。
随着数字化进程的加速,新兴业务层出不穷,而承载该银行核心系统的Power服务器已经出现了性能瓶颈,在客户体验、产品创新、差异化定价、参数管理方面的需求响应程度较弱,不能快速响应业务部门的需求,对未来的业务发展支撑能力不足。华南某银行核心系统升级迫在眉睫。
经过多年发展,该行业务成熟,承载其核心业务系统的Power服务器运行多年期间表现出的强大单机处理能力、极强的稳定性、响应时间、系统可靠性等,该银行最终选择了浪潮K1 Power E950服务器作为升级其核心系统的服务器,以其强大的分区能力承载上述关键应用,同平台之间实现了数据的平滑迁移和系统的无缝平滑切换,保证了安全性和效率,并同时升级了同城灾备数据中心。
浪潮K1 Power服务器可靠性程度达到了99.9996%,这意味着,一年内遭遇非计划停机的时间低至不到2分钟。对金融市场而言,时间就是效率,时间就是金钱。华南某银行通过将核心系统升级为浪潮K1 Power E950,其IT系统CPU使用率大幅下降,系统响应时间变快,在保持业务量不变的前提下大幅缩短了系统清算时间,从而为未来业务发展奠定了基础。
此外,浪潮K1 Power服务器还支持7*24小时服务,系统批量窗口时间短;支持产品核算分离;实现核心业务系统数据读写分离;符合业界安全标准,支持多级安全、保密、权限控管机制,确保业务数据的准确性、完整性、一致性和安全性。
降本增效 用起来省才是真的省
对绝大多数家庭来说,家庭用车,不单单是买车的时候便宜,用车成本省才是王道。对于承载关键业务的银行核心系统来说,情况也是这样吗?
对银行核心系统而言,数据库成本往往是最大的支出项目。以华南某银行为例,通过4台浪潮K1 Power E950升级替换了原生产系统中的2台P770服务器和5台P750服务器,每台E950服务器跑多个分区,承载多个关键应用;另外使用2台E950替换同城灾备数据中心1台P770和4台P570;另外两台浪潮K1 Power E950服务器则替换了同城灾备数据中心的1台P770和4台P570服务器,这就使得该行核心系统里的数据库成本降低了一半。
通过6台浪潮K1 Power E950服务器升级替换原有的12台POWER6和POWER7服务器,虽然在服务器数量上减少了一半,但整合后的系统性能相比之前也提高了80%,并且CPU使用率亦大幅下降,性价比更高。浪潮K1 Power E950的rPerf值相比原来的服务器提升了一倍,既满足了现系统对处理能力的要求,冗余的处理能力为未来新系统的上线储备了处理能力和空间。
经过整合,空间占用减少了50%,节省了大量宝贵的机房空间,并且大幅降低了设备功耗和散热量两项能耗关键指标,三年能耗费用下降60%多。此外,浪潮K1 Power自带原厂三年报修服务,更便捷的系统管理大幅度降低了系统运维难度和复杂性,降低了业务风险,从而使得三年TCO明显减低。银行核心业务系统对可靠性和安全性要求极高。浪潮K1 Power具备高I/O吞吐能力、高可用、PowerVM零安全漏洞等特性,是更加适合承载关键数据库场景的架构平台。因此,“省钱”要综合考虑,整个平台生命周期内的使用成本最低才是真正的省钱。
华南某银行通过本次核心业务系统升级改造,收获了一套行业内先进的主流、稳定、安全、可靠的核心业务系统,从整体架构、系统功能、产品功能、数据支持和技术创新等各方面实现了核心系统全方位能力的提升,进一步满足未来金融市场的需要,为银行数字化转型成功奠定基础。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。