近日,长沙市某区法院开庭审理一起危险驾驶案,当事人李明(化名)因涉嫌酒驾被起诉,而庭审现场却看不到负责记录的书记员,这是因为庭审有了使用视频录制的“数字书记员”。在高效、透明、公证的庭审背后,浪潮AS8000业务整合存储系统为数字法庭的实现提供了可靠的“大后方”,高清视频庭审记录、数字证据展示、网上办案数据共享,这些极大地提高了庭审效果、增强了审判活动的公开性和透明度。
每庭必录,长沙某区法院决定引入“数字书记员”
近年来,湖南省法院系统通过云部署模式,集约、高效、科学地建设司法公开平台,全面推动了阳光司法工作。为了落实全省“一盘棋”的理念,提升法院工作效率与办案透明度,长沙市某区法院开展了以诉讼服务中心、科技审判法庭、网上办案、案件档案电子化等为主要应用的“数字法院”建设。
在规划中,长沙某区法院以高清数字法庭为建设重点,希望对庭审活动进行全程同步录音、录像,最终实现“每庭必录”。同时充分利用信息网络平台,适当选择群众关注度高的案件进行网络直播,进一步推进司法公开。而要实现“每庭必录”,则会遇到以下两大技术障碍:
首先是海量数据存储和访问的问题。在法院的庭审实践中,如果使用720P清晰度的网络摄像机,每天8小时全程录制会产生大约10.56GB的存储量,年增量数据3.8544TB,而如果以1080P清晰度采集,存储空间需要约18GB,年增量数据6.57TB。而一般法院都有多个乃至数十个审判庭,每个审判庭需要多个摄像头进行不同角度拍摄,年数据增量可达数百TB乃至PB级。
其次,各个业务应用数据资源融合的问题。庭审过程中产生的视频影像、电子证据、庭审笔录等数字化信息,要与现在使用的审判业务流程管理系统、档案管理系统,以及网上诉讼服务中心的各项业务整合,建立庭审资料统一存储、统一管理的机制。这就需要存储系统对历史数据、其它业务平台进行全面整合,提升办案效率。
深度整合业务,AS8000驱动数字法庭建设
带着上述两大需求,长沙某区法院的IT技术人员对市场上的存储产品进行了全面考察,同时也参考了政法行业中的成功案例,最终选择了最能满足需求的浪潮AS8000业务整合存储系统。而在后期实施部署过程中,AS8000也充分展现出其具备的融合和扩展方面的特点,满足了数字法庭未来发展的需要。
AS8000具备融合、灵动、安全三大优势
首先,在扩展性方面,浪潮AS8000采用融合架构, AS8000存储资源池可以无缝的接入新的存储设备,并且随着容量的增加,数据存储性能也将呈现线性增加的趋势,满足其海量存储的需求。浪潮AS8000的性能能否满足系统要求也曾经是长沙某区法院的顾虑,AS8000-1用实际表现得到了最大的认可。浪潮AS8000每秒读写可以达到50万,即使是应对大规模数据并发访问,也可以游刃有余。
其次,长沙某区法院之前建设了网上诉讼服务中心,为诉讼群众提供了远程立案、远程调解、网上咨询、网上数据提交、网上信访投诉等服务,这些应用数据过去采用了分散、粗放的数据存储方式,使用效率不高。而借助AS8000融合特性,技术人员可以为日常办公建立一个统一的数据查询和案件处理平台。通过对数据的融合、统一管理,将原本相互隔离的存储系统整合成统一资源池,按需划分空间给应用服务器使用,这使系统平台管理变得更集中、更简单,大幅降低了管理人员的负担。
数据管理打开新局面,数字法庭“更阳光”
从项目实施至今,以浪潮AS8000为核心的数据管理平台运行稳定,其数字法院系统数据实现了零误差,为审判管理信息化建设打开了新的局面。而针对庭审现场录制、审判流程公开这些新的尝试,是否达到了预期效果呢?
答案时肯定的,长沙某区发现的项目技术负责人表示:“AS8000所具备的灵活扩容和数据融合特性解决我们之前遇到的数据管理问题,现在,不仅工作人员可以通过网络实时观看审判实况直播,庭审结束后也可以进行庭审视频点播回放,在安全可靠的同时又能保障观看流畅。这些措施确保了公众在线监督、阳光审判工作落实到位,为我院公平、公正、公开执法树立了崭新形象。”
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。