我国医院信息化发展30年来,其IT基础架构也在不断的演进之中。从早期单机部署到小机+存储形态,再逐步到近几年的"X86化"、"云化"、"智能化"。 "云化",是当前医院IT建设的热点。"云化",其手段是实现计算存储网络的虚拟化、资源共享、灵活分配,实现业务服务器的整合和调配,集中化以及基于策略的管理,最终目的是适应医院业务快速发展的业务需求。
从整个业界来看,"云化"一般是从虚拟化逐步发展到私有云,未来逐步演进为公有云的过程。目前大多数医院完成私有云建设,但在从私有云往公有云走的过程中,面临两个主要问题:
首先,是数据安全问题,尤其是涉及患者隐私数据的安全。不管是私有云还是公有云,几乎所有的医院信息化从业者,都担心医疗数据泄露。尽管医院对等级保护建设相当重视,对患者数据进行严密保护。但近几年屡有医疗数据泄露事件发生, 说明数据安全不仅是法规问题,更是一个执行和操作上的问题。当前医院管理者普遍对医疗数据安全性、自主性非常敏感,不愿将核心数据部署在公有云上,对成为第一个吃螃蟹者持慎重保留态度。
其次,是业务层面的问题。很多大型医疗机构每天人满为患,日门急诊量高达几千上万,对业务的实时性和连续性要求非常苛刻。即使不考虑公有云平台本身的可靠性,但对当前互联网网络访问的时延、带宽和稳定性,业界普遍存在较大疑虑。这也影响从业者将医院核心业务上云的信心。
医院业务上公有云看来困难重重,但是医院信息化建设是否就能忽视公有云了呢?公有云带来的全新的技术和业务模式,在资金高效利用、采购按需即时、业务平滑扩展等层面已经提现巨大的优势。医院信息化建设,能不能在既保障数据安全性、业务连续性的基础上,又能够享受到公有云带来的便利?答案是肯定的,这就是近二年日渐成熟的医院混合云建设模式。
图1:医院混合云架构图
从IT架构上来讲,华为公司提供的医院混合云,其核心就是采用HyperMetro双活技术加上华为公有云构成。私有云部分部署Hypermetro产品,保障业务及数据的绝对安全,任何故障情况下业务不中断、数据不丢失。公有云部分采用华为云,根据具体的建设模式,可能涉及到云主机ECS,云对象存储OBS等等。
医院混合云建设,不能一味的最求高大上,而应该脚踏实地,细分场景,逐步落地。其建设可分为三个层次:机械主义的混合云、极简主义的混合云以及智能主义的混合云。
一:机械主义混合云
这是最低层次的医院混合云,只是简单的针对某些对公众业务,采用公有云资源进行部署。比如web网站、互联网挂号等等业务。这些业务原本就部署在医院DMZ区,和医院内网相对隔离,其数据安全性不高,同时又面向公众服务。这类业务部署在公有云,存在二个明显优势:
1)、承载海量用户接入的能力,应对上万级用户并发;根据外网压力,便捷的弹性扩展处理能力,满足业务量的不确定性需求;
2)、对互联网+医疗软件,ISV可以远程、集中运维,摆脱传统医院信息化软件迭代困难的顽疾,极大降低医院及ISV成本。
这一类混合云,充分的利用到了公有云的优势,但是又不涉及医院HIS等系统,医疗数据安全性和原有私有云完全一致。由于私有云和公有云之间并无直接关系,只是简单的使用了公有云资源,所以这种形态的混合云,定义为机械主义的混合云。
二:极简主义的混合云
极简主义的混合云的关键,在于"简"。一是运维的简化,二是机房空间的简化。
据第三方机构统计,医院影像PACS相关的文件资料,占到医院数据量的90%以上,并且影像文件还在持续增长过程中。很多医院机房空间本来就捉襟见肘,未来要长期持续保持海量影像文件,势必占用大量的机房空间。如果这些文件采用公有云形态保存,院内的机房和安全压力就可减轻很多。
另外,一般情况下,公有云与私有云是两朵不同的云,都有自己的服务门户,对资源的使用方式也不同。极简主义的混合云,有能力提供统一的portal,在同一个平台上实现云资源统一申请、统一服务、统一监控,这样才能大幅度降低用户跨平台切换带来的复杂运维工作量,让用户跨平台的资源使用与监控更加方便。
三:智能主义混合云
这是医院混合云的最高形态。公有云与私有云之间,不仅在数据层面,同时在业务层面也完全融合。除了包含机械主义、极简主义混合云的优点之外,智能主义混合云对于当前的医院信息化来讲,有两种典型的应用场景。
一是资源的按需平滑扩展。如对于某些科研业务,比如基因测序,临时需要大量的计算资源,在私有云数据中心资源不充足的情况下,应用将自动部署到公有云。使用完成后,资源再释放。
二是云容灾。很多医院如果只有单中心或者已经构建了双活,但是要建设第三地应急中心。容灾上云,则是手段之一。一旦本地数据中心由于火灾、断电等等故障,业务可以平滑的迁移到公有云。由于云容灾和应用强相关,目前一般多由第三方公司来实施。
智能主义的混合云,为未来数据中心全部公有云化打下技术基础。随着技术的不断发展,未来公有云的安全性、可靠性、体验性深得人心,从业者认知惯性得到改变,政策面也不做约束,那么混合云将逐步归一为公有云。
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。