不确定性环境下,PaaS平台的价值将被进一步释放。
PaaS平台正在帮助企业从基础设施上云迈向应用上云,成为企业数字化转型的新底座,也是经济社会高质量发展的稳定力量。
平台已经成为这个时代的制胜关键,日前,2022浪潮iGIX开发者大会发布新一代企业级PaaS平台浪潮iGIX5.0,平台面向柔性可装配和超级自动化两大趋势研发,以更柔性、更敏捷、更智慧、更开放的技术特性,助力构建敏捷应变、实时智能的智慧企业。
浪潮通软副总裁兼CTO郑伟波表示,浪潮iGIX5.0核心是解决企业数字化转型中的企业数字底座问题,从以应用为中心逐渐变成以技术底座为中心的建设方式。
浪潮通软副总裁兼CTO郑伟波
浪潮iGIX5.0再升级
浪潮企业级PaaS平台再进阶,浪潮iGIX5.0包含低代码平台、数据中台、物联网平台三大核心平台。inBuilder低代码平台作为柔性装配的工具,inIoT物联网平台支撑在OT层实现实时智能的超级自动化,inDataX数据中台提供同源共享和智能化的能力。
inBuilder低代码平台
inBuilder低代码平台从技术基础层、服务能力层、集成开放层、全面体验层四个层面支撑企业的柔性和可装配。其也是面向全开发角色的低代码、零代码平台,底层基于统一的建模体系,拥有面向全场景的低代码开发能力。
inIoT物联网平台
inIoT物联网平台以广泛连接、流式数据处理、数据三维可视化三大关键技术,提供设备感知、数据实时采集、数实融合的核心能力,打造从OT到IT的超级自动化平台。平台覆盖了智能制造、智慧粮食、智慧矿山、智慧水务等六大物联网场景。
inDataX数据中台
inDataX数据中台拥有多元异构湖仓一体化、大数据技术与开发、一站式数据服务、数据治理全流程、深度数据挖掘、丰富的数据模型共享、多层级安全管控七大能力,同时面向数据提供三类九大工具。
从设计架构上浪潮iGIX有着非常大的优势,设计之初就基于微服务架构,并且实现前后端的分离。郑伟波表示,浪潮iGIX作为aPaaS平台,首先是更好的支撑应用,进行业务封装和沉淀、其次是上层应用解决方案的生态、最后是和底层通用PaaS的融合。
搭建开放创新的生态
现阶段中台的概念正被大部分企业所接受,尤其是大型集团型企业都已经开始使用,而且中台逐渐开始向业务系统深入和迁移,采用灰度渐进的演进方式。浪潮iGIX具备跨领域端到端业务流程自动化、柔性可装配的应用开发、可沉淀的服务组装、开放集成、全面支撑商业和开源等多种环境的部署等能力。
不少大型央国企也纷纷使用浪潮iGIX来构建数字化底座,中国东方电气集团有限公司是全球最大的发电设备制造和电站工程总承包企业集团之一,发电设备产量累计超过6亿千瓦,已连续18年发电设备产量位居世界前列。东方电气按照“数据+平台+应用”的新模式进行数字化整体规划,基于浪潮iGIX搭建了全新一代基于云原生、微服务架构的软件开发公共平台,建立了一套现代化软件开发、运维体系,培养了一支掌握新一代数字化技术,具有独立软件开发、运维能力的队伍。
在产品层面浪潮更加聚焦通用应用,合作伙伴则聚焦特殊行业,基于浪潮的产品做定制化扩展,同时浪潮还针对合作伙伴提供培训认证、应用市场的推广,本次开发者大会启动了领航者开发大赛。郑伟波表示,浪潮iGIX一方面通过开源发展协同创新的生态,另一方面联合众多开发者一起共赢应用开发生态。
在安全支撑方面,浪潮iGIX通过了多安全体系,包括国家保密局分级保护体系、等保三级2.0认证、ISO 27701隐私信息管理体系认证等。
浪潮在“十四五”规划中将软件产业作为重要的战略方向,而且浪潮坚持开源战略,作为中国开放原子基金会的发起单位之一,大力推动了企业级PaaS平台iGIX的开源开放,不断通过软件赋能产业智能化转型,为更多的民族企业提供坚实的数字化底座。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。