2020年4月份,国家发改委明确将区块链纳入“新基建”范畴,此后,不论技术研发、场景应用,还是生态合作,区块链的发展如火如荼,已经成功运用于金融服务、机构间对账、司法存证、版权交易、食品溯源、数字政务等众多领域。
区块链赋能各行各业的时代已经到来,并将撑起越来越大的经济体量。而新基建下区块链发展不能被 “卡脖子”,这就要求其技术不能受制于人,实现区块链技术国产自主可控,势在必行。
区块链BaaS平台,核心技术自主创新
早在区块链还未火爆前,新晨科技就已瞄准方向,大力投入。新晨科技于2014年开始跟踪区块链技术并于2016年开始致力于区块链技术的研究和落地应用,始终坚持走国产自主可控的道路,具备链应用(DApp)的快速实施能力,以及原生链平台、链上数据存储、软硬件加密算法、共识算法等链相关基础技术能力,并且,拥有经过实践验证的自主知识产权区块链服务平台产品——区块链即服务(BaaS)平台。
为满足特定业务场景,企业和机构往往需要投入巨大人力物力对区块链平台层技术进行深度定制,开发成本高、周期长,不仅对客户而言是很大的负担,更是制约着区块链技术的发展和应用落地。
新晨BaaS平台,可以帮助客户快速部署区块链系统,提供智能合约部署和全生命周期管理、区块链运行状态监控、配置和管理等服务,兼容各种私有云、公有云等,企业无需在平台服务层投入太多资源去“重复造轮子”,可根据各自特长搭建适合的业务应用场景,提升研发效能。
新晨参与多家银行的BaaS平台建设、国内信用证和福费廷、供应链融资、隐私数据共享等区块链项目,以及某地方政府的非税票据和建设资金区块链项目。并且,基于新晨BaaS 平台,可以让更多的银行快速构建企业级联盟链网络,机构间实现链上交互,引领“链圈”发展。
新晨BaaS平台3.0版,适配信创体系
在广泛服务金融行业核心大客户的同时,新晨BaaS平台也历经了三次大版本迭代,从个性化、定制化服务逐渐发展为一款普适全行业的标准化产品,能够更好地支持客户自定义适配,兼容现有的基础设施。
近期,BaaS平台更新至3.0版本,新增了多种镜像支持、版本支持、共识支持,以及模块化硬件国密改造,监控升级,数据归档、恢复等多项特色功能。具体来讲,升级的特色功能包括:
• 国密改造
支持自签名证书体系,支持CFCA等第三方证书体系,同时兼容软、硬件签名验签策略,符合信息安全等级保护三级要求,在安全合规方面更好地满足国产化、金融信息技术创新需求;
• 两地三中心异地灾备
区块链网络部署在不同的数据中心,分别拥有相关的账本节点客户,当一个数据中心出现问题,BaaS平台独有的恢复机制,能够在健康的数据中心去重建示范共识节点,保证交易的连续性。此外,BaaS平台对于内部的网络环境,包括基础设施的兼容性实现了良好适配,以应对银行业两地三中心灾备设计需求;
• 多版本、多镜像、多共识支持
支持PaaS层容器云平台以及混合云部署,包括对区块链网络进行弹性扩充、动态伸缩,能够很好地兼容容器云的多镜像。
• 数据归档
随着业务数据增多,数据存储压力增大,全新数据归档功能确保账本数据能够临时转移至归档环境中,也可在需要时随时接回生产环境;
• 跨链支持
兼容多种链,支持超级账本以及企业以太坊,可以很容易接入并且管理其他底层的链以及基础设施;
• 监控管理升级
通过将基于容器云的管理与BaaS平台紧密集成,能够调用标准接口,以获取动态监控容器云上节点的状态,经由实时分析、追踪日志实现监控升级,实现分钟内快速定位问题,恢复服务。
接下来,新晨科技将持续立足自主创新,在区块链领域加大研发投入,致力于混合云的部署和云平台的统一,把容器云、更多共识算法以及自研底层链作为基础组件纳入BaaS平台,以打造功能更完善的解决方案。此外,新晨科技还将硬件国密改造的部分代码贡献给了开源社区,进一步支持区块链技术国产自主可控,加快推动产业创新发展。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。