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
人工智能开发商Anthropic为其旗舰聊天机器人Claude推出新的医疗健康功能,用户现在可以与服务共享医疗记录以更好地了解自己的健康状况。Claude可以连接官方医疗记录和苹果健康等健身应用,进行更个性化的健康对话。新功能现已向美国的Claude Pro和Max订阅用户开放。公司强调该工具不用于诊断或治疗建议,而是帮助用户理解复杂医疗报告,为医患沟通做准备,并承诺严格保护用户隐私数据。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
谷歌发布通用商务协议(UCP)开放商务标准,旨在让AI智能体自动化整个购物流程,从产品发现到支付再到售后服务。该协议与Shopify、Target、沃尔玛等零售商合作开发,支持AI智能体协同处理客户购买流程各环节。谷歌还推出品牌商业智能体和直接优惠工具,优化AI搜索中的购物体验。麦肯锡预测智能体商务到2030年将成长为3万亿美元市场。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。