大连港是中国东北最重要的集装箱港口,拥有国际国内集装箱航线100多条,航班密度为300多班/月,东北三省90%以上的外贸集装箱均在大连港转运。在大连港致力于从"港口装卸"向"物流商贸"转型的进程中,由浪潮AS8000搭建的全程物流体系服务平台和工商贸一体化服务平台,帮助大连港整合了原有分散、独立的信息化系统,以高可靠、高性能、高扩展的融合数据平台,为全港物流业务提供了稳定的数据保障与"快速通道",推动大连港强化服务功能、提升服务能力。
转变,搭建全新平台势在必行
作为辽宁省及大连市最大的港航企业,大连港集团是大连港百年历史品牌的承继者,也是建设中的大连东北亚重要国际航运中心的港口旗舰,资产总额超过700亿元。2013年,大连港货物吞吐量突破4亿吨大关,集装箱吞吐量实现1000万标准箱,跻身世界十大港口行列以及世界前二十强。
随着港口的不断发展,港口的物流模式、运营模式都在发生变化,货物吞吐量不再是衡量实力的唯一指标,功能与服务的比拼逐渐成为核心竞争力。预计到2020年,大连港集团将建设成为多功能、全方位、现代化的国际强港,实现从"港口装卸"向"物流商贸"方向发展的战略转型,这就要求大连港集团完成由追求数量规模型向追求质量效益型的转变。搭建全程物流体系服务平台和工商贸一体化服务平台,成为大连港进一步完善自身体系、寻求转型发展的重要举措。
整合,稳定的高效存储是搭建平台的关键
大连港集团原有信息化系统分散独立,要建成全程物流体系服务平台和工商贸一体化服务平台,首先必须对系统进行整合。"存储是支撑物流平台的核心基础设施,如果设备效率低下,将会影响出入境手续的办理效率;如果出现设备故障,可能对整个物流过程都将造成灾难性对后果。因此,存储系统必须做到高性能、高可靠。"针对平台的建设需求,大连港集团相关负责人表示,"除此之外,存储还需要对系统中原有不同品牌、不同型号的存储设备进行深度整合,提高设备利用率与可扩展性,以应对未来数据量的增长。如何选择稳定高效、整合兼容的存储,是搭建平台成功的关键。"
融合,AS8000搭建高可靠、高性能、高扩展数据平台
针对大连港集团的实际需求,以及港口物流的实际情况,浪潮组织项目组多次反复论证方案,最终选定使用AS8000-M2存储搭建平台。
浪潮虚拟化统一存储AS8000系列
大连港的物流网络覆盖范围广,物流服务种类多,信息系统中数据量极大且需要全天24小时不间断作业。针对这一问题,AS8000-M发挥了其全冗余架构、全模块化设计,无单点故障的特性,保障数据中心安全可靠、港口业务持续稳定运行;面对随着港口吞吐量而不断增长的数据量,AS8000-M支持面向闪存的优化技术,丰富的扩展接口能够满足不同业务需求,充分保证了硬件的灵活性、可靠性和扩展性;同时,大连港全程物流体系服务平台和工商贸一体化服务平台属于生产环境,需要面向外网、提供对外服务,数据的安全性非常重要,AS8000-M可提供持续数据保护,将生产数据恢复到保护周期内的任意时间点,解决了连续快照方式只有有限时间点的弊端,实现真正意义上的持续数据保护。
大连港全程物流体系服务平台和工商贸一体化服务平台承载着日常物流、商贸、公共服务等各项业务,平台必须做到安全、高效、便捷。在实际应用过程中,浪潮AS8000的性能获得了用户的高度认可,浪潮AS8000每秒读写可以达到50万,即使是在物流旺季,物流服务平台遇到了极高的并发数量,这款产品也能应对得游刃有余。
针对大连港集团原有分散、独立的信息化系统,AS8000可以实现异构存储整合,统一接入,统一资源池管理,统一资源池形式对外提供服务,屏蔽底层多品牌存储管理复杂性,解决了后续业务系统上线,以及虚拟化平台集中管理的难题。
值守,浪潮AS8000提供数据保障
以港兴市、产业报国是大连港的重要战略,围绕这一目标,大连港致力于构建多功能、全方位、现代化的国际强港,全程物流体系服务平台和工商贸一体化服务平台的建立正是实现该战略的重要基础。大连港集团项目负责人表示:"浪潮AS8000-M2正式上线之后,以其卓越的性能表现与简洁的管理性,完全支撑起了全港的物流业务,为大连港提供了最稳定可靠的数据保障,也为港口运营模式的不断成熟、完善,以及未来港口业务的多元化融合化发展打下基础。"
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。