作为中国能源电力及工业控制领域优秀的高科技企业集团、国际知名的智能成套装备及整体解决方案提供商,南瑞集团有限公司(以下简称南瑞集团)采用浪潮信息高端全闪HF18000升级了企业核心数据库系统的数据存储平台,加速整合物流、资金流、信息流,使资源在购、存、产、销、人、财、物等各个方面能够得到合理地配置与利用,提高了集团经营效率,更好的履行集团保障电力系统可靠供电的责任。
南瑞集团是国家电网直属科研产业单位,主要从事电力自动化及保护、电力信息通信、电力电子、发电及水利自动化设备、轨道交通及工业自动化设备、非晶合金变压器的研发、设计、制造、销售、工程服务与总承包业务。随着集团规模的不断扩大和业务的不断拓展,KUD、PLM、MAXDB等核心业务数据库系统在南瑞集团经营运转中发挥着越来越重要的作用,承载了集团包括财务、采购、销售、人力资源等方面的各类业务数据。这些数据是公司的核心资产,对于集团的经营管理至关重要,因此对于承载以上系统的数据存储平台的稳定性和性能表现有着严苛的要求。

南瑞集团有限公司
日益增长的企业IT系统业务给存储带来了新的挑战
国内电力行业蓬勃发展,带来了海量的发电、配电、调控、财政等各类数据,集团运监中心不但要确保这些数据准确无误,更要通过这些数据进行风险预测、监管识别等业务。
南瑞集团共有员工1.7万人,20多个地区建有研发和产业基地,拥有40余条产品线,业务覆盖100多个国家和地区,核心业务数据库系统日访问量达到数百万次,这就要求存储具有较高的性能来保证业务系统能够快速、稳定地并发读写数据;考虑业务规模的不断增长,以上核心数据系统需要处理的数据规模也会不断增加,因此需要在扩展性上能应对未来需求。同时,作为企业IT的核心业务应用,对于业务连续稳定进行至关重要,因此需要保障核心数据系统7*24小时不间断运行,存储方案需要考虑到出现单点硬件设备故障时业务连续性不受影响。
基于高端全闪构建双活方案 保障核心数据库系统高效稳定运行
针对KUD、PLM、MAXDB等核心业务数据库系统报表输出时间短和平均响应时延低的要求,南瑞集团采用了基于浪潮信息高端全闪多控HF18000系列的双活数据保护解决方案,通过智能引擎iTurbo 解决了性能和时延瓶颈,进一步提升了系统的灵活性和业务响应效率;此外,通过双活数据中心方案部署,使两个数据中心都处于运行状态互为生产和备份同时承担业务,提高数据中心的整体服务能力和系统资源利用率;当某一数据中心发生故障时,业务自动切换到另一数据中心,实现RPO=0,RTO≈0,解决了传统灾备中心不能承载业务和业务无法自动切换的问题,有效的保障了业务的连续性。
高端全闪HF18000作为承载核心数据库等实时生产应用的集中存储平台,通过自动精简技术,简化企业IT系统分批建设和随时扩容带来的资源配置和运维操作,提高了应用、测试、开发及培训等不同业务模块对存储资源的利用率;此外重删压缩技术最高可达5:1的压缩比,极大的节省了存储空间,为客户提供了绿色节能、高效的存储服务。
南瑞集团部署浪潮信息高端全闪升级KUD、PLM、MAXDB等核心业务数据库系统的数据存储平台,通过对整个集团经营数据整合提高了集团的工作效率,加速集团在数字化转型,在建设新型电力系统中发挥力量。
南瑞集团未来将大力提升科技创新能力,通过构建绿色数据中心,支撑新型电力系统建设,助力“碳达峰、碳中和”目标实现。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。