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
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。