近日,浪潮云海2024年“云智融合·演进未来”客户高峰论坛在云南昆明成功举办。会上,浪潮云海基于可演进私有云,重磅发布全新“一云多芯分级容灾云解决方案”,旨在为企业机构提供高效、安全、可靠的同城双活和异地备份能力,确保业务的连续性和数据安全。本次会议汇聚来自云南省区及全国各地150余家学界专家、行业客户,分享了基于浪潮云海可演进私有云在教育、交通、能源、公共事业等行业的前沿实践经验。
一云多芯分级容灾云重磅发布浪潮云海一云多芯分级容灾云解决方案,面向异构资源池,有效覆盖了同城容灾、异地容灾、同城双活等多样化场景,面向数据、应用、业务支持从基于超融合的小规模容灾到超大规模的云容灾,基于可分级和可演进两大创新点,提供跨存储架构、跨架构虚拟机迁移、跨架构应用调度三大能力,充分满足不同行业、不同场景下的容灾需求。
图:浪潮云海一云多芯分级容灾解决方案架构图
可分级技术根据用户业务的分级,提供全面的分级保护能力,根据用户业务对RPO(恢复点目标)和RTO(恢复时间目标)的要求不同,可以根据不同业务需求,在本地、同城、异地分别提供不同等级、不同手段的保护方案。这种精细化的保护策略,能够确保在发生灾难时,关键业务能够迅速恢复,减少业务中断时间和数据丢失数量。基于可继承可演进私有云理念,面向企业用户基础设施和业务云化化。浪潮云海分级容灾云解决方案在设计中加大了对异构、利旧基础设施的支持能力,整合不同品牌的存储和云平台,基于多架构资源池,为用户提供更加灵活、高效的容灾解决方案。
云数智融合,激发数字基础设施潜能
浪潮数据董事长张东指出,浪潮云海秉承分层解耦、开放标准技术理念,引领一云多芯技术体系和参考标准,创新推出算力量化分析技术、弹性伸缩技术。同时,布局完善算力评估模型、标准体系和测评方法,协同产业链上下游,持续推动一云多芯行业标准规范制定。
图:浪潮数据董事长张东
会上,浪潮数据云计算产品总监庞慷宇发表“云智融合 演进未来”为主题的演讲,他认为,浪潮云海一云多芯分级容灾云解决方案的发布,将进一步提升企业IT系统的安全性和可靠性。基于可演进私有云以及云峦服务器操作系统KOS的多种软硬协同能力,能够根据客户系统业务特点及问题,提供对应的解决方案,有效提升业务效率。
浪潮数据云存储产品部副总经理姜乐果强调,面向云数智应用,分布式融合存储具备集约性、互操作性等平台化能力,支持五合一架构的融合存储,已经成为数字基础设施的核心基座。分布式融合存储基于双活、多副本、大比例纠删、快速重构等技术,在服务架构、冗余策略和应用层提供多重数据保护,保障业务的稳定性和连续性。
可演进私有云,赋能云南数字经济转型
云南省计算机学会理事长李健为本次峰会致辞,他表示,得益于云南在数字经济技术应用、数字技术赋能自然资源多样性等方面的地域优势,私有云技术发展,以企业为创新主体,构建云南特色数字经济创新平台,赋能增长、服务市场、助力数字云南发展。
本次峰会还邀请了来自云南省测绘工程院、云南农业大学、云南公路联网收费管理有限公司以及曲靖晶澳太阳能科技有限公司的嘉宾,他们分别分享了基于浪潮云海私有云解决方案的自然资源监测大数据平台建设、基于超融合架构的私有云底座建设、基于“云、边、端”架构的无人值守智能云收费业务探索以及制造类企业在数字化、智能化转型中的建设经验。
云南省测绘工程院技术开发办主任周定杰表示:云南省自然资源调查监测业务技术平台、实景三维云南数据库管理系统等大数据平台,统一建设了全省自然资源三维立体时空数据库,为全省自然资源统一调查监测任务实施,山水林田湖草沙系统治理提供平台支撑和数据要素保障。
云南农业大学信息中心信息资源科长李元川指出:面向数字校园及数字教科研业务,集网络、算力与存储资源于一体的私有云解决方案,简化了IT基础设施部署,实现高效管理。
云南公路联网收费管理有限公司科技研发部副部长金照奇认为:“云、边、端”协同架构提供了创新解决方案,通过将私有云、边缘计算和终端设备相结合,实现了对收费系统的远程监控和智能管理,提高了收费效率同时大幅降低管理成本。
曲靖晶澳太阳能科技有限公司IT信息部高级主管刘敏敏提出:智慧工厂解决方案有效优化生产决策,基于动态资源调度,业务系统可用性及可靠性获得了有力保障,进而更加精确地控制生产流程,提高生产效率和质量。
与会嘉宾的分享不仅展示了浪潮云海在私有云领域的广泛应用和显著成效,也为可演进私有云解决方案落地实践提供了宝贵的行业经验和启示。未来,浪潮云海将秉承“开放兼容、分层解耦”的理念,持续推动可演进私有云技术的创新与发展,同时为用户按需提供稳定、安全、灵活、高效的私有云产品和容灾解决方案。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。