5月9-11日,鲲鹏昇腾开发者大会2024在北京圆满召开。本次大会是面向开发者的技术盛会,分享计算产业趋势、前沿AI技术、行业创新案例、优秀开发者实践等,使能开发者高效开发,共促行业解决方案和应用创新,加速行业智能化。江苏润和软件股份有限公司(以下简称“润和软件”)作为openEuler黄金捐赠人和鲲鹏昇腾领域的先锋企业受邀参会,围绕openEuler大数据场景应用发表精彩演讲,并展示HopeOS、面向云边端全场景分布式中间件等最新解决方案和技术成果。

在互联网快速普及、物联网加速渗透的背景下,全球数据呈爆炸式增长,为大数据产业发展奠定了庞大的数据基础,数据的处理和分析也成为一项重要的技术挑战。大数据分析应用场景亦是openEuler行业客户核心业务应用场景。通过大数据分析进行业务洞察,在业务运营中起到不可替代的作用,但同时也面临项目投资大、运维难度高、运营成本高等行业痛点。
作为openEuler大数据业务领域的领军企业,润和软件在大会openEuler分论坛发表《基于鲲鹏架构的大数据应用场景优化》主题演讲,分享了企业级操作系统大数据版(HopeOS v22 for Bigdata)的技术优势、商业应用和产业价值。润和软件openEuler技术与解决方案总监魏博表示:HopeOS v22 for Bigdata从产品设计层面开始针对大数据常用场景进行专项优化,结合鲲鹏使能,单机性能对比主流X86服务器提升近40%,极大地解决了项目硬件投资成本高、算力规模瓶颈、运维难度高等行业痛点。
此外,为了满足行业用户大数据场景CentOS替换难题,润和软件在HopeOS v22 for Bigdata中对系统组件做了专业定制,使目前市场主流大数据平台软件可以一键迁移到HopeOS上,使大集群业务迁移时间从数周减低到数小时,从根本上解决了行业客户大数据迁移场景业务连续性的苛刻要求。

润和软件openEuler技术与解决方案总监魏博发表演讲
目前,润和软件企业级操作系统大数据解决方案已获得市场充分认可,在多个重要战略客户核心应用中实现商用落地,其中单次最大交付量超过15000套。在系统性能、系统安全、可靠性可用性、运维支持等多个方面得到市场充分验证,取得了良好的市场口碑。
润和软件始终坚持关键技术自主创新,在大会上展示了面向云边端全场景分布式中间件的新特性与新进展,即基于分布式硬件子系统实现跨设备、跨平台的算力共享能力。润和软件通过openEuler系统上自研分布式硬件组件实现与OpenHamony系统分布式硬件管理框架的互联互通,借助分布式硬件管理框架为openEuler提供访问OpenHamony平台之上分布式硬件子系统的能力,支持统一的硬件接入、查询和使能等能力。

润和软件展示面向云边端全场景分布式中间件的新特性与新进展
润和软件长期深耕操作系统关键技术领域,基于openEuler开发的HopeOS针对行业客户不同应用场景,分别推出大数据版、AI版及嵌入式版,从单一产品进化为适应不同业务场景的产品家族,使能千行百业操作系统替换需求。润和软件HopeOS支持鲲鹏、飞腾、海光、兆芯、龙芯、申威等处理器架构同源构建,对数据库等中间件产品也有良好的支持。截至目前,润和软件已与多家企业达成合作,实现了操作系统在服务器预装、能源、电力、医疗、金融等行业的商业落地。
未来,润和软件将继续聚焦“1+2+3+8”市场战略,为行业客户提供操作系统、人工智能等领域的创新产品与解决方案,携手openEuler共创操作系统生态繁荣。
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。