近日,浪潮存储成功中标安徽省六安市政务云数据中心扩容建设项目。浪潮高端存储AS18000、软件定义存储AS13000承载六安市政务云平台的业务数据,实现网上办理事项超过85%,推动六安市政府的"互联网+政务服务"建设。
升级云数据中心,打造政务服务一张网
安徽六安市政府开展"互联网+政务服务"建设。其核心是推进实体政务大厅向网上办事大厅延伸,打造政务服务一张网,实现对企业和群众办事实行一口受理、全程服务,让企业和群众办事更方便、快捷。
要实现建设互联网政务的目标,六安市政府需要进行政务云平台与数据中心扩容。原因在于,近年来六安市各政务部门快速推进政务信息化建设,政务信息化规模和复杂程度大幅提升,使得原有IT系统迫切需要升级。
比如,原有IT系统各类政务应用分散建设问题比较突出。六安市各部门政务信息化建设此前主要基于传统烟囱式架构,互联互通、信息共享难度大;同时横向扩展难度大、成本高;新业务上线部署响应慢,无法适应政务信息化快速推进的工作需要;另外,管理运营成本高,由于硬件环境分散建设,基础环境管理和运营维护所需的人员和费用也比较高。
针对以上问题,六安市政府开始推动政务云升级中心扩容建设项目,经招标和多方比较,选择基于浪潮高端多控存储AS18000、软件定义存储AS13000等产品的存储解决方案全面升级现有的云数据中心。
六安市政务云:高端、双活存储资源池
浪潮提供的解决方案中,基于2套AS18000系统构建2个动态、可伸缩生产中心双活存储资源池,能满足当前业务资源共享需求,又能够快速无缝扩展。此外,六安市政务云还实现了数据中心的存储双活,在保证业务连续性的同时,使得新业务也得以快速上线。六安市政务云投入使用后,可承载政务云数据共享交换平台的各类数据库关键数据。
同时,基于一套浪潮软件定义存储AS13000,六安市政务云实现了数据共享交换平台的公文/图片数据、大数据分析数据的存储。

浪潮高端存储系统AS18000
浪潮高端存储AS18000,可跨越存储设备、硬件驱动、数据层、服务层四个层次构建全方位的安全保障,提供7个9的方案级可靠性,每年宕机时间不超过3秒,满足了六安市政务云平台核心业务连续不间断运行要求。同时,AS18000的性能高、可扩展性强,可以扩展到数百万级IOPS、60PB存储容量,满足了六安市政府未来5-10年的性能要求。
推进"13550"行动,网上政务服务事项超85%
此次浪潮高端存储和软件定义存储,给六安市建成市级网上政务服务平台夯实了基础。六安市运用云计算、大数据、人工智能等现代信息技术,以全覆盖、全联通、全方位、全天候、全过程的"五全服务"为引领,基于市政府权力清单运行平台、社会服务管理信息化平台以及市政务云数据支撑平台等基础环境,建成了全市统一的网上政务服务平台。
截止2017年12月,六安市政务基于浪潮存储方案建成市级网上政务服务平台,向下延伸到基层,向上与省级平台实现互联互通,政务服务事项全部纳入平台运行,网上办理事项超过85%。六安市政府推进"13550"行动,基本实现了群众和企业办事"最多跑一次",努力做到本级公共服务事项1个工作日、企业开办3个工作日、不动产登记证5个工作日、工业建设项目施工许可证50个工作日内完成审批手续。
以高端存储AS18000为核心的六安市政务云平台,实现了互联网与政务服务深度融合,助力六安市政务推行"智慧审批",让企业和群众办事更加方便、快捷,服务型政府深入民心。
好文章,需要你的鼓励
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
浙江大学和阿里巴巴集团联合开发的DATAMIND系统,通过创新的数据合成和训练方法,让AI具备了专业数据分析师的能力。该系统使用12,000个高质量训练样本,采用动态权重调整的混合训练策略,最终的DATAMIND-14B模型在多项测试中超越了GPT-5等商业模型,平均得分达71.16%。这项开源成果大大降低了数据分析的技术门槛,让普通用户也能获得专业级的数据洞察能力。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
复旦大学团队针对掩码扩散语言模型提出三项关键技术:EOS早期拒绝解决句号陷阱问题,渐进式步长调度器将解码步骤从L/2降至log?L,一致性轨迹强化学习确保训练与实际运行的一致性。研究发现规划任务更适合并行解码而数学任务偏好顺序解码,为AI系统的任务特定优化提供新思路。