在加快建设数字中国政策的指引下,我国金融机构数字化转型普遍进入深水区,成效显著。
6月9日,2023中国金融数字化转型发展大会圆满落幕。紫光股份旗下新华三集团受邀参会并带来面向下一代金融数据中心的场景化解决方案。同时,新华三参与编撰的四项金融行业研究报告荣获北京金融科技产业联盟“信息基础设施专委会优秀课题”。
2023中国金融数字化转型发展大会现场
新华三微模块数据中心产品
AI时代,洞察金融行业面临的挑战和机遇,新华三集团先后参与了多项金融行业标准、研究课题、白皮书等编撰,以深耕金融行业三十余年的实践成果和全方位的数字化基础设施整体能力,解读金融科技趋势,助推金融行业标准制定。
新华三集团荣获(左六)
北京金融科技产业联盟信息基础设施专委会优秀成果奖
在本次获奖的四个优秀研究课题中,新华三集团通过撰写金融行业研究报告以及贡献标杆案例,聚焦金融数据中心发展趋势及建设方向,以绿色、智能回应国家“双碳”建设,以高性能、高可用响应《金融科技发展规划(2022-2025年)》要求。
《金融业绿色数据中心白皮书》:由中国工商银行牵头、新华三集团作为主要起草单位之一,牵头编写了绿色设计章节,包括:绿色数据中心的设计要求、选址规划、架构设计、清洁能源利用、绿色技术应用,智能化系统设计等多个部分。
在金融数据中心创新建设中,新华三金融绿色数据中心解决方案一直将节能降碳作为助力金融机构发展的重点,以一套完整的全生命周期服务和五项核心能力,助力金融数据中心升级顶层规划设计,实现低PUE值能耗要求。以北京某5万平米的金融数据中心为例,在新华三提供的设计、验证服务等完整的服务体系下,最终建成目前最大的液冷集群,绿色等级为5A级,PUE<1.1。
《金融数据中心人工智能算力建设指引》:由北京国家金融科技认证中心牵头、新华三集团重点参与撰写的《金融数据中心人工智能算力建设指引》研究报告,与目前在建的《金融业数据中心能力建设指引》行业标准形成互补,引导金融行业规范开展人工智能算力建设。
应对AI技术不断革新,新华三集团SeerFabric金融智能无损数据中心解决方案将RDMA、RoCE、iNoF、SDN等融为一体,以智能无损技术助力金融传统数据中心升级底座能力,SeerFabric技术核心从100Gb的RoCE开始,逐步替换IB和FC网络,在AI算力和存储网络上,全面实现自主创新,为AI走向金融行业场景“架桥铺路”。
《物联网技术金融应用研究报告》:由中国银联牵头、新华三集团参与编制并重点贡献医院融资解决方案、农业物联网平台金融解决方案两大金融物联网应用案例。
助力大医养建设,为保险养老社区的智能化管理构建数字化基础,新华三集团通过IMC智能统一管理平台,改变传统保险养老社区管理模式,实现园区设备统一纳管,并与全国数字化医院统一结合,通过全面的网络基础资源管理能力,发现问题、快速定位,有效解决。目前,新华三已为多家保险机构的养老社区提供IMC运维管理平台和服务,有效助力保险机构大医养建设。
《金融数据中心网络数字化能力建设研究报告》:新华三集团深度参与金融科技产业联盟的《金融数据中心网络数字化能力建设研究报告》的编制评审工作,助推金融应用和网络数据融合的统一数字化建模技术研究。
随着数字化进程深入,金融广域网场景面临的挑战加剧,新华三利用业内成熟的SRv6技术构建全面的金融智能广域承载网方案,做到了端到端的“一网通达”,覆盖金融核心承载网和分支机构骨干网等多个场景。新华三承载大型保险机构网络扁平化改造,目前已助力其下辖的多家分支网点实现了网络智能运维、管理的降本增效,有效优化了网络架构提升运维管理能力,并向智能化、可视化的方向发展。
未来,新华三集团将秉持“精耕务实,为时代赋智慧”的品牌战略,深入研究市场变化与趋势,向金融行业内外传递数字化转型实践中的真知灼见,为金融行业数字化转型提供成熟的实践经验。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。