随着新媒体的兴起,传统的纸媒正在面临越来越大的挑战。新媒体时代,传媒变革风起云涌。“要推动融合发展,主动借助新媒体传播优势。”习近平总书记“2•19”重要讲话为媒体转型发展指明了方向。
媒体融合是党中央的重大战略部署,是时代的重大使命。作为报业发展走在全国前列的大众报业集团,更勇于担当,在媒体融合转型中为全国报业集团探索了一条成功之路。
近年来,大众报业集团全面推进媒体融合发展,构建传统媒体和新兴媒体同频共振的舆论引导新格局,生产更多立体多样、适应不同受众的新闻产品。
2017年,集团着力推进“网上大众”基础工程、媒体融合推进工程和全媒全案营销工程等“三大工程”,在“云中枢”(中央厨房)建设上实现突破,打通、融合报纸和新媒体采编发流程,实现报纸和新媒体采编人员一体化,形成一支全媒体采编队伍。
其中技术层面的“云中枢”(中央厨房),是从“融合态”的业务场景出发所构建的一套技术体系,为全媒体平台的业务运行提供强有力的技术支撑。
“网上大众”(云中枢)媒体战略的落地离不开技术的支撑和底层的融合,在与大众报业集团客户沟通与服务过程中,为满足“稳定可靠、技术领先、成本节约、灵活部署”的诉求,华为意识到,传统存储无法满足客户的需要,作为供应商与客户的良好商业伙伴,必须突破存储市场的“惯性思维”,实现行业技术的全面迭代与高速发展。
为了帮助大众报业集团客户实现对数据爆炸式增长下的不确定性要求以及解决数据管理效率提升的问题,凭借着超过十年在数据存储行业的技术积累与行业经验,依靠涵盖大数据云存储、数据保护、固态存储、磁盘存储和存储软件等多方面的软硬件解决方案,华为创新性的提出“智能融合”存储的理念。
华为提出的“智能融合”存储,以Scale-Out全分布式架构为基础,从智能和融合两个层面全面优化了企业级存储。
在智能方面,华为从“智能弹性架构、智能数据布局和智能管理调度”三个维度,提出以分布式弹性架构取代传统Scale-Up架构,以“基于逻辑磁盘为单位进行数据布局的两层虚拟化技术RAID 2.0”取代传统RAID技术,以存储产品内置管理调度模块取代传统“重量级外置独立管理程序”的企业存储三大智能化转变,满足了大众报业集团存储伴随业务成长而成长,随时随处访问和管理数据的需求。
融合则是指“多接口融合、高中低端产品功能融合以及数据生命周期的融合”多个维度。华为Oceanstor V3存储是一个“海洋向”的平台,在其中融合不同的存储接口,如iSCSI、FC;不同的数据类型,如SAN、NAS;不同层级的高中低端存储的融合;实现了在一套存储产品内支持存储、分析、归档等多个单元的全生命周期管理融合。
为了更容易的让数据为业务服务,华为Oceanstor V3存储通过领先业界一代的硬件平台、统一高效的管理软件以及OceanStor OS实现的多制式融合、性能与容量融合、数据价值融合、数据生命周期融合、多厂商设备融合,开创了中端企业级存储系统“智能融合”的先河,帮助大众报业集团客户从传统存储走向未来。
在华为大数据存储系统OceanStor 9000产品中,“智能融合”的理念也得到了充分的体现,作为华为具有代表性的大数据存储系统,它在全对称分布式架构的基础上,集海量数据的存储、归档、分析等能力于一体,具有三位一体的数据全生命周期管理能力。大众报业集团客户能够借助OceanStor 9000业界领先的卓越性能、大规模横向扩展能力和超大单一文件系统为企业内部提供了非结构化数据共享资源存储,构建了内部大数据存储的最佳效率平台。
大众报业集团的项目负责人表示,华为OceanStor 9000有效解决了传统分散存储的长期困扰,集中整合大众集团内部几乎所有价值数据,真正帮助我们完成从传统纸媒向互联网时代的新媒体转型,同时全面提升了集团信息化数据服务水平。
在新技术面前,传统媒体和新媒体都有着相同的机会,都有变革的需要,媒体的变革还远远没有结束,它召唤所有媒体在现有新媒体形式和未来的新媒体形式变革前改变自己,互联网最大的特点就是自我颠覆,勇于挑战自己,才能跨越过去的障碍。传统媒体与新媒体之间必将融合,越过媒体的边界,迎来一个信息自由共享、交流互动的全媒体时代。在大众报业集团“网上大众”(云中枢)融媒体建设过程中,华为将与大众报业集团一起,积极践行党中央关于媒体融合的重大战略部署,在媒体融合转型中为全国报业集团探索一条成功之路。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。