在加快国企数字化转型和加强数据安全的背景下,国资云是大势所趋,各省都在探索各自的建设模式。国资云建设方的共性关注点如下:
1、不单单是个IT建设项目,更是加速国有企业数字化转型的业务发展必由之路;
2、不仅仅指代建设方的国资背景,同时更加强调使用上的专属性;
3、不只关注技术层面,更考虑企业发展相关的商业模式健康性、核心模块掌握能力、投入产出的经济性、云运营能力的把控度等等;
4、不只是朵云,更关注数据的安全,需要安全可信的信创云环境和云服务来支撑。
一、客户背景和面临的挑战
截止2023年,某直辖市国资云平台已建设多年。但是随着业务需求的增长和多样化、随着对自主运营要求的加强、更伴随着对未来路线选择的可管可控,原有云平台底座暴露出的问题也愈发明显,亟需进行优化和改造,让云底座真正服务于客户而不是控制用户。
二、选型的考虑因素
这些问题和实际需求,都成为了摆在各地国资监管部门面前且亟待完善解决的现实需求。
三、易捷行云EasyStack的解决方案
易捷行云EasyStack帮助用户从6节点(服务器)的小规模云平台起步,用极小成本代价实现了云平台的落地;同时,通过一云多芯与自动化扩容特性,实现了X86和ARM国产化资源池的混合部署,并随时、随地、按需的实现服务器资源的自动化扩容。利旧X86硬件保护投资的同时,极大降低了ARM国产化应用适配的转型风险。
同时,为满足用户对于高性能云存储、容器平台部署等更多特性的潜在需求,易捷行云仅耗时几小时,便将云平台版本从V6.0.1升级至V6.0.2。升级过程中:服务不中断、数据不迁移、用户无感知,真正让客户感受到可进化、一体化架构的优势和未来。
截至目前已经上线很多关键业务:国资门户、国资监管、资产管理、三重一大、党建、人力资源等系统,其业务系统均为各委办局的核心系统。
四、解决方案的价值呈现
对用户而言,选择易捷行云便选择了一朵合规、高效、自主可控、永续生命的云平台:
1、掌控云的运营和核心能力:构建团队的核心运营能力,把控从规划、建设到运维全链条的技术架构,避免被单一厂商绑定,避免公有云技术绑定;
2、完善行业云服务能力:以云平台为抓手,从资源租赁到服务售卖的转变,逐步构建行业影响力,打造国资品牌竞争力;
3、安全可控:信创化是国资云的普遍选择,选择易捷行云即选择开放的信创云头部厂商,有行业案例为基础,加上CEC央企品牌优势;
4、保护投资:云平台具备一体化、可进化优势,具备平台一体可持续建设能力,保护前期成本投入,持续创造利润。
五、易捷行云EasyStack产品力说明
易捷行云EasyStack全球率先实践LOKI(Linux、OpenStack、Kubernetes)开源基础设施标准,构建多元算力、持续进化的新一代云平台。
1、技术成熟、稳定可靠
易捷行云云平台基于开源开放LOKI架构进行产品化雕琢,开源技术栈发展多年且行业实践丰富,成熟稳定并规避使用风险;
2、开放兼容、解耦生态
易捷行云私有云平台兼容性优异,不捆绑任何三方软硬件产品。其开放解耦特性,让云平台可完整兼容或对接从基础设施软硬件到IaaS/PaaS/SaaS在内第三方全栈体系化产品;
3、低成本投入、高建设回报
云平台规模可大可小的灵活弹性,最小6节点起步的轻量化设计架构,用最小的成本完成云平台的落地应用;同时,单客户12000+物理服务器的部署实践(私有云领域规模最大),满足客户对平台无限生长的建设期望,给未来留下更多的可能空间;
4、永续生命,升级无感
采用分布式微服务架构与OTA空中升级相结合的进化模式,实现管理控制/业务数据分离部署的同时,加快了产品力的持续进化和迭代增长;而作为基础设施的云平台,则具备了SaaS软件般持续进化升级的特性,永续生命周期。迭代升级过程中:服务不中断、数据不迁移、用户无感知;
5、生产级“一云多芯”
支持在一套云平台内落地真正的“一云多芯”生产级应用,无需在上层嵌套多云管理平台即可实现包括:Intel/AMD/海光/鲲鹏/飞腾等多类芯片服务器的混合部署,屏蔽架构差异并规避客户单一路线的试错成本;
6、架构灵活、自由定义:
易捷行云云平台支持计算、存储融合部署架构,也支持计算、存储分离部署架构,灵活的架构设计满足客户各类应用场景的部署实践;
7、极简部署、高效交付
全图形化、向导式、一键式的软件安装模式,仅3小时就可以完成云平台的快速部署和交付。相较于组件众多、安装周期冗长、交付复杂的公有云或混合云产品,易捷行云云平台极大的降低了平台安装的难度和时间要求,带来极具时间冲击性的获得体验。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。