至顶网CIO与应用频道 12月05日 北京消息:企业级全栈云ICT服务商青云QingCloud(www.qingcloud.com)日前宣布,与国家核电技术公司(以下简称“国家核电”)达成合作,为其构建私有云平台,助力国家核电集团实现信息化转型升级。平台上线后,将实现计算资源、存储资源、网络资源的云化,以及资源的动态扩展、按需分配、实时监控、自动化分析与调优。
自2015年《政府工作报告》将“互联网+”作为计算机未来的发展方向开始,云计算在企业中的推进与落地得到了充分的支持。从现阶段来看,我国众多大型央企已经完成或者正在开展云计算在信息化建设中的应用。国家核电正是这些勇于创新的大型央企中的一员。
国家核电成立于2007年,是国有重点骨干企业之一。作为以核电技术创新为驱动、以项目开发运营为核心、以提升核电全产业链能力为基础的大型央企,国家核电不仅需要全面完成我国核电自主化的战略任务,引领行业,还需要不断坚持改革创新,建设一个创新型、专业化、国际化的企业集团。这就要求国家核电在信息化建设的道路上也要始终坚持不断创新。
与大部分央企不同,国家核电整体信息化水平很高。在虚拟化刚刚开始进入企业级视野时,国家核电就构建起了虚拟化平台,底层储备了充足的物理资源。也正是由于虚拟化平台的建立,让国家核电在迈入云时代的过程中,打下了良好的基础。另一方面,国家核电下属有众多的成员单位,为了进一步加强各成员单位之间的信息化建设的同步性,并且为他们今后的信息化建设指明方向,一个统一的且能够满足国家核电科学技术项目测试环境的云计算平台呼之欲出。综合考量后,国家核电决定构建私有云计算中心,帮助集团和下属单位提高信息化建设能力,并且以此来推动业务转型和创新实现。
青云QingCloud正是在这样的契机下,走进了国家核电,并且凭借“技术先进、功能丰富、易于扩展”的特性获得了国家核电的认可。国家核电在业务发展层面有着非常多创新的需求,并且外部环境的不断变化也促使他们应用更先进的科技手段实现转型,赢得先机。因此,国家核电决定通过私有云对以前的虚拟化平台和服务器进行统一管理。国家核电的私有云平台采用了融合架构,将大数据平台、超算平台与云计算平台相互融合,又相互连通,以此融合而成一个完整的私有云平台。在应用架构上,私有云平台资源池实现数据中心基础架构与上层业务的松耦合,充分保证了国家核电业务的动态扩展和新业务的快速上线。
国家核电信息化负责人表示:“国家核电在规划建设云计算中心初期便有明确的目标,我们对于私有云平台的成熟性、高可用性、可开发性、易用性都有着近乎苛刻的要求。青云QingCloud拥有大规模实施的案例让我们对此次合作充满了信心,自主知识产权和自主可控性对于央企来说至关重要,这都是促成与青云QingCloud合作的关键所在。此外,云平台提供完善的API接口、文档信息和图形化向导界面等设计细节也非常打动我们。未来,我们希望能与青云QingCloud持续合作,共同提升国家核电在集团信息化方面的能力。”
除了国家核电外,青云QingCloud还服务于中国地质环境监测院、广州市番禺区人民法院、西南锦云和西咸新区等政府及公共事业的标杆用户。QingCloud云平台、大数据分析和行业云能力正在推动着政府公共事业相关部门的业务转型和智慧化进程。未来,QingCloud将会更加深入到智慧城市、智能服务等领域,推动“互联网+”目标的达成,以期在民生层面贡献自己的力量。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
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。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
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。