阳光保险集团股份有限公司(以下简称“阳光保险”)是中国500强企业、中国服务业100强,成立3年便跻身于七大保险集团,5年超越了与其同期成立的71家保险主体,9年同时布局互联网金融及不动产海外投资领域,10年成功进军医疗健康产业,成为全球市场化企业中成长最快的集团公司之一。截至目前,阳光保险集团旗下已拥有财产保险、人寿保险、信用保证保险、资产管理、医疗健康、互联网金融等多家专业子公司,逐渐成为保险行业变革发展的中坚力量。
依托集团优势,以人文、科技为驱动,阳光保险有效整合旗下资源,持续研发满足客户需求的产品,不断升级以“闪赔”、“直赔”为特色的服务,着力打造强大的市场拓展能力、卓越的客户服务能力、杰出的风险管控能力和专业的资产管理能力,实现了健康、持续、快速的发展。
对于以传统保险业务为主的阳光保险来说,摒弃传统的互联网及平面媒体营销方式,转投移动化营销的新玩法,这或许是传统行业向移动互联网转型变革的一个开端。
当前,我国保险业正处于快速增长期,居民收入水平提升,对健康与安全有了更高的要求;城市化、老龄化激发出旺盛的市场需求;政府多项财政税收政策支持;互联网金融、大数据、云计算、区块链等科技创新都为保险业的发展带来了巨大的机遇。大规模建设高素质的专业队伍,增强服务社会、服务民生的能力,实现集团的快速发展,成为摆在阳光保险面前的挑战。此外,阳光保险在IT层面还面临着以下挑战:
1、传统服务器虚拟化稳定性不足,使得核心业务系统的可持续运行能力受限;
2、服务器虚拟化单个集群规模较小,使得IT系统建设的可持续扩展能力受限;
3、现有的集中式架构的性能瓶颈渐现,性能扩张能力受限;
4、传统架构自动化程度低、资源配置与调度的难度大周期长;
5、传统IT资源的利用率低、无法有效支撑业务系统由集中式向分布式的转变过程;
青云QingCloud帮助阳光保险建设云计算平台,完善其IT系统,服务于生产数据中心及同城灾备数据中心。
青云QingCloud针对阳光保险的整体云计算提供了如下解决方案:
1、将青云QingCloud云计算平台分别建设于亦庄生产数据中心和通州同城容灾数据中心,用来支撑核心业务系统与同城容灾业务系统的部署与运行。
2、利用青云QingCloud云计算平台的分布式存储(SDS 1.0)和全虚拟化服务(KVM)来支撑部署桌面云(VDI),服务于核心业务系统的日常运行。
3、利用QingStorTM对象存储服务对所有NAS的存储数据进行同城数据备份,以及新OA类业务系统的支持,老业务能够基于NAS Proxy无缝对接至对象存储。
4、利用青云QingCloud大数据服务来进行实时流数据处理,服务于阳光保险多个业务系统的信用评估功能模块。
5、利用青云的云计算平台来完成对物理服务器的统一资源管理与调度,将基础资源平均使用效率提升至60%,且还有部分资源的使用效率可达到80%以上。
6、基于青云云计算平台上可交付的PaaS组件,为阳光IT人员从基层组件的部署和调试中解放出来,投入到业务系统的开发工作中,且通过云计算平台的自动化运维,大幅提升了业务组件的可持续运行时间。
7、借助于云计算平台来设计规划数据中心的同城容灾的建设,且区别于传统架构融资的建设,依托于青云云计算平台可以实现根据业务系统的重要性来实现不同等级的灾难备份于恢复的架构。
客户证言
阳光保险凭借云计算、大数据等新技术来提升改造现有IT系统架构,将传统的集中式IT基础设施中的NAS存储、服务器虚拟化、FCSAN逐步更新迭代成为以分布式存储、软件定义网络、云端应用中心为基础。青云QingCloud私有云平台提供了虚拟化解决方案、丰富的PaaS服务、大数据平台、海量存储解决方案,使用起来更加弹性灵活。在安全方面,QingCloud私有云平台内置了丰富的监控和安全防护组件,提升安全运行水平,并采用超融合设备,节省了阳光保险的基础设施成本,有效降低其IT投入。
——阳光保险信息技术数据部
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。