借鉴当代建筑学的模块化思路,浪潮基于超融合一体机的云计算解决方案在部署速度、可扩展性、可靠性和降本增效等方面,让鸿路钢构感受到了来自IT的"结构美学"。这一成功的尝试为建筑业面临"中国智造"的数字化转型提供了极具价值的参考。
"中国智造"亟需"云翼"
鸿路钢构是目前中国大型钢结构企业集团之一,也是主板上市公司(股票代码002541)。公司致力于绿色建筑和未来智慧城市构建,瞄准前沿技术,加快创新驱动和转型升级,其中"一体化装配式高层钢结构住宅成套技术"、"高端智能车库存取技术"、"装配式低层住宅集成技术"三大技术体系处于国内领军地位,并不断刷新城市地标建设速度记录,是"中国智造"的创新典范。
近年来为响应中国制造2025规划,达到"产业升级、智能转型、降本增效,成为世界智能制造的'中坚力量'"这一目标,鸿路钢构不断强化IT技术在整个生产流程中的应用,决定对现有的数据中心进行改造升级,将传统的IT基础架构转变为云计算模式,希望在增强创新能力、提升产品质量、提高生产效率、简化运维管理等方面获得质的飞跃。
多元业务需求灵活云平台
作为较早采用信息化技术的制造企业,鸿路钢构的数据中心已承载了相当多的业务应用,主要分为三类,一是前端应用系统,如日常办公系统、对外沟通系统等;二是企业资源管理系统,包括人力资源管理系统(HR)、客户管理系统(CRM)等;三是开发测试平台,包括对钢构的力学结构分析,渲染模拟等。
随着业务的不断丰富,业务数据量的不断增长,鸿路钢构原有传统数据中心已经难以支撑业务的运行,面临着诸多挑战:
性能挑战:现有业务系统包括ERP、PMP等,在业务高峰期,I/O性能已不能满足需求,易引发卡顿、宕机等风险;
业务多样化挑战:鸿路钢构多元化的业务应用对IT基础架构有着不同的需求。如前端业务系统对于数据中心资源的需求是灵活多样的,同时也不断有新的业务系统上线,要有足够的灵活性和可扩展能力;而企业资源管理系统则要求运行稳定可靠,保证业务的连续性,同时支撑业务运行的数据库中间件也需要云平台的支撑。
运维挑战:现有的数据中心包括数十台硬件,需要进行手动运维及巡检,效率低下;
浪潮超融合解决方案重塑IT架构
作为一家多年来专注于钢结构研发和生产的企业,鸿路钢构对速度与可靠有着天然的敏感性,他们期望中的云数据中心能够满足快速部署、低成本、高可靠、高性能、可扩展和简化运维等要求。
依据鸿路钢构的实际需求,浪潮提出超融合一体机的解决方案,以浪潮超融合一体机InCloud Rail为核心,设计了模块化的先进云计算解决方案,将原先十余台服务器的应用顺利迁移到超融合平台。同时,浪潮还将原有的千兆交换机用于管理/业务网络,很好的保证了客户的既有投资。
浪潮超融合解决方案具备高性能 I/O,充分挖掘 SSD 性能,I/O 性能是普通集中式存储5倍以上,满足绝大部分应用对高 IOPS 和低延时的需求。该方案具备水平可扩展能力,无瓶颈的分布式架构,确保容量和性能都随着业务规模的扩展而水平扩展,同时智能数据恢复结合监控和报警功能免去运维复杂的集中式存储 SAN/NAS。
采用了浪潮超融合云计算解决方案后,鸿路钢构在部署速度、业务响应速度、业务连续性上实现了巨大的提升。浪潮InCloud Rail凭借超融合架构和高集成度,将部署周期缩短60%以上,为鸿路钢构业务的快速上线提供了保障,同时节省了70%以上的机房空间,降低了30%的数据中心管理成本。并且,整个数据中心服务器响应时间明显缩短,使得业务运行更加轻量化、便捷化。系统自部署以来,浪潮InCloud Rail平台凭借高达7个9的可靠性,已经不间断无故障支撑平台运行数月,实现了业务的高效可靠运行
云数据中心的建成为鸿路钢构未来的数字化转型提供了高效的IT基础架构,为精细生产、流程优化、精准决策提供信息化支撑。未来,鸿路钢构也将借助云计算、大数据等新技术实现产业创新及升级,实现"智能制造"再升级。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。