2014年4月23日,第二屆中國金融云高峰論壇在廈門召開。來自銀監(jiān)會、中國銀行、中國農(nóng)業(yè)銀行、建設(shè)銀行、招商銀行、民生銀行、光大銀行等國內(nèi)四十多家銀行的信息技術(shù)部主管等出席會議。
中國銀監(jiān)會銀行業(yè)信息科技監(jiān)管部黃秋國,建設(shè)銀行北京數(shù)據(jù)中心副主任吳險峰,交通銀行數(shù)據(jù)中心副總經(jīng)理鄭仕輝等在會上發(fā)言,與在座嘉賓及企業(yè)代表一同就金融行業(yè)在云計算和大數(shù)據(jù)背景下的技術(shù)發(fā)展進行深入探討。
迎接來自互聯(lián)網(wǎng)金融的挑戰(zhàn),銀行自身的產(chǎn)品也在不斷的發(fā)展。這需要敏捷的IT系統(tǒng)進行支撐。與會的銀行科技領(lǐng)導(dǎo)反復(fù)強調(diào),“銀行經(jīng)營的是風(fēng)險”,不同于互聯(lián)網(wǎng)企業(yè),銀行面臨著更加嚴(yán)格甚至苛刻的監(jiān)管壓力。所以,卓越的應(yīng)用性能管理是確保銀行業(yè)務(wù)穩(wěn)定、高效運行的關(guān)鍵,但龐大的業(yè)務(wù)系統(tǒng)、復(fù)雜的技術(shù)架構(gòu),讓項目落地成為了一場漫長的馬拉松。針對應(yīng)用管理項目落地周期長、難度高的挑戰(zhàn),Netis作為中國銀聯(lián)、交通銀行、招商銀行、民生銀行、光大銀行等核心應(yīng)用性能管理的供應(yīng)商,在會上帶來了廣受贊譽的敏捷應(yīng)用性能管理產(chǎn)品——CrossFlow BPC,讓銀行應(yīng)用性能管理項目“即刻”實施,快速落地!
會上,Netis產(chǎn)品副總裁賀曉麟先生發(fā)表題為“金融行業(yè)核心應(yīng)用性能管理”的精彩演講,向現(xiàn)場嘉賓展示CrossFlow BPC基于網(wǎng)絡(luò)數(shù)據(jù)的應(yīng)用性能管理解決之道。全旁路,對生產(chǎn)系統(tǒng)無影響;梳理、配置即刻完成實施;精確定位故障、準(zhǔn)確預(yù)警的功能符合銀行對互聯(lián)網(wǎng)時代核心應(yīng)用性能管理的期望,這得到了在座嘉賓極其熱烈的反響。同時,CrossFlow解決方案已經(jīng)為金融私有云、SDN、數(shù)據(jù)中心雙活架構(gòu),甚至是數(shù)據(jù)中心集群做好了全面的準(zhǔn)備。
CrossFlow“即刻”部署三部曲:
1、梳理:服務(wù)路徑圖發(fā)現(xiàn)(SPV Discovery),一鍵自動應(yīng)用梳理,自動發(fā)現(xiàn)網(wǎng)絡(luò)服務(wù)路徑。
2、配置:可視化圖形配置界面,所見即所得;針對銀聯(lián)卡交易,外卡,支付寶,眾多國內(nèi)外廣泛使用的核心銀行系統(tǒng),人行超級網(wǎng)銀、二代支付、征信、清算等服務(wù),典型的IBM WAS、TUXEDO、MQ、WEBLOGIC、MESSAGE BROKER等49種金融行業(yè)常見協(xié)議都可以即刻支持。
3、監(jiān)控:以服務(wù)為中心,全面可視化應(yīng)用服務(wù)質(zhì)量。
CrossFlow(www.netis.com.cn/product/)是由國內(nèi)領(lǐng)先的網(wǎng)絡(luò)分析與應(yīng)用性能管理產(chǎn)品及解決方案供應(yīng)商——Netis完全自主獨立研發(fā)的服務(wù)性能管理產(chǎn)品線,為用戶在復(fù)雜的IT環(huán)境下對業(yè)務(wù)提供深入的洞察力,幫助用戶通過簡單、高效的方式實現(xiàn)核心業(yè)務(wù)的主動式運維。CrossFlow產(chǎn)品賦予IT環(huán)境充分的敏捷性,讓IT環(huán)境成為推動業(yè)務(wù)創(chuàng)新的力量。自誕生以來,CrossFlow已獲得中國銀聯(lián)、交通銀行、招商銀行、民生銀行、光大銀行、國泰君安證券、廣東移動、中遠集團等金融、運營商和大型企業(yè)用戶的認(rèn)可。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。