普元信息作为一家基础软件技术公司,长期聚焦在应用开发平台,而且自2003年开始就一直贯彻低代码开发理念。
普元信息CTO焦烈焱表示,软件开发就像搭积木一样,有很多模块组装起来成为大软件,普元信息提供的图形化、可视化模式让企业可以像搭积木一样,把积木块积累起来,让软件开发不是从零开始。
普元信息CTO焦烈焱
低代码开发平台则是让没有那么多软件开发经验的人,也可以把自己的经验、知识、需求,用自己的手落实下来。从这个角度看,低代码开发也是帮企业培养数字化人才。
普元信息低代码开发平台定位企业级应用,而且普元信息面向大型企业有非常多的积累,能够满足大型企业的高安全性、高可靠性、性能等要求,快速落地信创的同时推进企业数字化转型。
践行中台思想的低代码平台
2003年普元信息就研发出首款具有低代码理念的产品——应用开发平台EOS,近期普元信息又发布了低代码开发平台e-coding。
普元信息解决方案研发总监姚斌表示,普元低代码开发平台的价值体现是,具备业务属性,强调业务平台化。
e-coding践行了中台的思想,促进整个企业的业务平台化,在场景、运营、架构、能力复用四个层面加速和深化整个企业的数字化转型。达到能力的充分复用、敏捷业务的响应、软件全生命后周期的可控、使用入口统一,最终对企业IT资产有效沉淀。
工程能力是判断低代码开发平台的一个非常重要的指标,测试能力上,可以进行在线测试,在版本控制上,拥有软件工程层面严格的版本控制能力。普元e-coding不仅拥有完备的工程能力,而且基于数据模型和表单模型实现了双驱动。
普元低代码开发平台具备强大的开放性和集成能力,其在领域工程和应用工程做了分离,将Por-Code和Low-Code架构融合,为低代码开发平台提供了专业的微服务能力,支持开放。产品提供了专业的技术语言,来构建个性化的业务组件,积累IT资产。最终e-Coding通过页面集成、流程集成、数据集成等集成能力,打造一个开放的集成平台。
信创与数字化转型双加速
快速开发数字化应用,低代码开发是强有力的切入手段,而且普元信息希望低代码开发平台不止能做小软件,同时可以做出复杂度较高的软件。
焦烈焱指出,一方面,低代码开发平台能完成复杂业务场景下数字化应用的快速开发,支撑企业自助化开发、个性化交付的开发模式变革;另一方面,又充分考虑了信创环境,让企业的数字化应用可以在符合国家战略政策的生态中实现,在快速落地信创的同时满足数字化转型需求。
近些年,金融行业的信创落地最为迅速,普元信息也同很多金融客户进行信创试点、方案的制定。普元信息最早从办公系统开始,之后有步骤的推进一般业务,最后把核心业务全部迁移到信创环境上来。
普元信息信创事业部总经理刘桂生表示,普元低代码开发平台适用银行科技系统、银行智能工单、大型企业OA、运营监控、工程管理等多行业应用场景。
面对金融行业应用系统业务逻辑复杂,数据量大、可靠性要求高等特性,在低代码开发平台的基础上,普元通过应用服务器软件等信创产品,能够协同华为高斯、达梦等国产数据库,统信、麒麟等国产操作系统,浪潮、长城等国产服务器,鲲鹏、飞腾等国产芯片这些多领域的信创生态产品,保障信创迁移的安全平稳进行,目前正在多家金融机构中顺利推进。
很多企业在之前并没有考虑使用平台开发的概念,依托低代码开发平台以及在大型金融项目中积累的业务组件,普元信息可以快速满足金融企业的场景化需求,实现顺畅的信创迁移。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。