至顶网CIO与应用频道 07月30日 北京消息:第25届中国国际金融展于2017年7月27日-30日在北京展览馆盛大召开。今年的金融展以“创新驱动稳健转型 共享金融”为主题,集中展示各类金融机构、金融科技企业的创新发展成果。作为历届积极参展的金融IT解决方案提供商之一,同有科技以“创新存储科技,驱动金融转型”为主题,携创新存储黑科技亮相本次展会。

同有“黑科技”之一:AI视频识别
同有科技展台最吸引眼球的莫过于“闪存侠”了。闪存侠是作为同有存储icon,第一次真实出现在众人面前,通过AI视频互动体验,吸引了不少观众驻足围观。AI体验区前,闪存侠带领参观者体验了一把AI视频识别技术带来的行为识别和人脸识别应用。该项源于卡内基梅隆大学研究成果的AI技术与高性能的云计算平台结合,对于银行等金融行业用户来说,可用于安保、风控、VIP客户服务等多种场景。
1.银行内部及周边环境安全告警:
发生打架、抢劫、聚众斗殴等,通过行为识别(Pose-based Behavior Recognition)告警
劫匪、小偷惯犯出现,通过人脸识别(Human FaceRecognition)告警
2.员工人为操作风险控制:
对银行职员的违规手部操作,通过细微动作识别(Tiny Behavior Recognition)告警
3.客户尊享定制化服务:
当VIP用户出现,通过人脸识别(Human FaceRecognition)特别提示

同有黑科技之二:SCES让真正的云化存储不再是梦想
SCES(Storage Cloud Engine System)--存储云引擎系统,是同有科技为存储设备无缝集成云平台而设计研发的一套分布式软件系统,作为新产品在本届金融展上预发布,首次亮相就备受关注。
SCES将存储设备高度融合到云端,全方位多维度提升云平台的功能、性能以及安全,打造真正可以将存储云化的云计算架构的存储中间层。
SCES由云融合、云引擎、云管理三大组件构成,分别负责不同的层级的云化功能,三大组件自底而上的相互组合,协同组成存储云引擎系统,提升存储功能、整合存储设备、统一云化管理,从而实现真正的云化存储触手可及。

同有黑科技之三:同有云挑战传统云存储缺陷

作为专注存储近三十年的专业厂商,对于新时代下大数据、云计算基础架构的设计构建,同有科技拥有专业、深刻的理念和研发实践。针对传统云计算中存储虚拟化的缺陷,同有科技云存储整体解决方案通过对云平台管理层、虚拟化技术层、硬件设备层的优化,建立NCS²tack云平台,大大加速存储云化进程。

同有黑科技之四:NVMe分布式存储系统,满足超高性能存储应用
同有融合NVMe技术的分布式存储系统,一共配置4个存储节点,每个节点配置1片NVMe SSD,可以达到2,000,000 IOPS的超高性能。融合NVMe技术的同有存储系统能够使存储性能几何级倍数提升,可降低延迟超过50%、NVMe PCIe SSD可提供的IOPs十倍于高端企业级SATA/SAS SSD,这意味着同有科技将能满足金融行业等用户业务发展对超高性能的存储应用需求。

随着“互联网+”思维不断深化,互联网金融机构与传统金融机构的互动融合创新发展步伐逐步加快,云计算、大数据技术对金融业务的推动愈加明显,针对金融行业在大数据时代的转型需求,同有科技紧跟技术发展趋势,持续创新,深入用户场景贴身打造的解决方案,为金融用户带来全新的业务体验,助力金融行业稳健转型。
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。