围绕智慧医疗、智慧服务、智慧管理——三位一体所展开的智慧医院建设正在进入一个全面加速的阶段。正如卫健委相关领导指出的“新冠肺炎疫情促进了智慧医院、互联网医院的大发展,以‘互联网+’ 为手段的智慧医院建设能够满足疫情防控工作和百姓看病就医的实际需求。”
面对智慧医院建设提速,医疗机构不仅仅要解决网络基础架构在运维管理、性能升级、安全管控等方面已经显露出来的问题,同时还要应对围绕医疗、服务、管理等层面开展的各类智慧业务场景对网络基础设施所提出的新需求。
突发“变量”,数据中心网络急需注入新能力
在参与抗击疫情的过程中,浪潮网络已经亲身感受到这个突发“变量”对医疗机构网络基础架构建设所产生的影响。正是基于自身的实践经验,结合“互联网+医疗健康”对智慧医院建设所提出的新需求,浪潮网络认识到医疗机构数据中心网络基础架构急需获取新的能力。
具备持续网络资源输出能力,打造韧性数据中心网络基础架构。“互联网+医疗健康”迫使医疗机构在时间维度上,具备真正意义的全维度7*24小时持续、可靠提供服务的平台能力。数据中心网络基础架构在网络资源调用、应用负载支撑等方面要具备高度的弹性、韧性。
打造强劲数据安全能力,确保医疗数据资源可靠、可控、可防。由于触及个人隐私,医疗数据资源防控一直处在安全极高的等级之中。强调以数据驱动的医疗智慧化场景创新,对数据的完整性、可用性以及安全性提出更高的要求。这迫使网络基础架构要制定更为严格的安全策略,从而确保数据访问、传输以及备份的安全可靠。
实现智能感知运维能力,快捷、高效运管数据中心网络基础架构。作为医疗机构核心业务平台的载体,网络基础架构的故障排查、故障预警直接影响着机构的有序运营。从计算资源到存储资源,从跨院区服务到第三方机构的协同,数据中心的网络基础架构运维压力急需“智慧型”减负手段。
SDN基因,浪潮网络由内到外打造智慧网络
为了赋能智慧医院数据中心网络基础架构全新“基因”,浪潮网络将SDN(软件定义网络)技术充分融入于自身的解决方案、产品之中。SDN所具备的转控分离、集中控制以及开放接口等技术特征,实现了与物理拓扑无关的,灵活、高效的调配网络资源,从而满足医院各种核心业务应用安全、可靠的进行数据访问、传输。
在浪潮网络智慧医院数据中心解决方案中,采用了浪潮网络智能云引擎ICE 4.0。ICE 4.0承担数据中心SDN控制器软件平台的重要角色。其所具备的业务快速部署、业务安全保障、业务运维视角以及高投资回报特点,确保了医疗机构打造一个统一、灵活、智能化的基础网络平台。
在业务部署方面,ICE 4.0平台的可视化工具可让新业务上线周期从数周缩短至数天;在业务安全保障方面,ICE 4.0采用了网络、安全以及业务三者解耦设计理念,“一拖一拉”方式即可完成业务安全防控部署;在业务运维视角方面,ICE 4.0具备的360度监控,为运管人员提供多种业务流量分析图,实现洞察业务逻辑、快速故障定位;在高投资回报方面,ICE 4.0以“利旧”思路出发,最大限度保护客户早期IT投资,降低整体IT建设风险。
在网络架构设计方面,浪潮网络鉴于医疗机构各类业务系统,例如HIS、EMR、PACS等核心系统的应用特点,以及临床数据中心CDR、运营数据中心ODR、科研数据中心RDR等大型应用系统建设的日趋成熟,在浪潮网络“智慧医院数据中心解决方案”之中采用Spine-Leaf架构,最大限度地满足了医疗机构众多业务系统对网络资源个性化的需求。Spine-Leaf所具备的“数据流从数据源到数据目标路径最短”、“全网格内每个链路均可在无环环境中实现负载均衡”的两大优势,使得其成为SDN网络设计中最佳的选择。浪潮网络CN12900、CN12700、CN9000、CN6000等系列产品均支持Spine-Leaf构架,为打造SDN提供了坚实的基础。
鉴于双活数据中心在医疗机构中的特殊意义,浪潮网络“智慧医院数据中心解决方案”在满足医院信息互联互通、安全等保等法规、标准对系统安全性、可靠性、连续性的相关要求的基础上,更加聚焦“计算资源、存储资源、网络资源以及数据库、应用系统”各层面的“双活”设计。浪潮网络认为只有做到自下而上各个层面的“双活”,才能发挥出“双活数据中心”的业务价值。
依托浪潮网络“智慧医院数据中心解决方案”,医疗机构所构建的网络基础平台在业务连续性上,可实现故障自动切换;在网络资源使用调配方面可实现灵活的个性化配置;在网络平台扩展上做到了开放、弹性升级;在安全防护方面,实现了全方位保护患者数据等涉密数据资源,防止数据丢失。
好文章,需要你的鼓励
微软宣布未来四年将在阿联酋投资152亿美元,包括首次向该国运输最先进的英伟达GPU芯片。美国已授权微软向阿联酋出口英伟达芯片,使该国成为美国出口管制外交的试验场和地区AI影响力锚点。这笔投资包括2023年以来的73亿美元支出和2026-2029年的79亿美元计划投入,涵盖数据中心建设、人才培训和AI基础设施扩展,目标到2027年培训100万当地居民。
德国于利希超级计算中心研究团队通过两千多次实验发现了AI模型训练的神奇规律:无论模型大小和数据量如何变化,最优训练配置总是对应同一个特定数值——输出层算子范数约为128。这一"范数传递"现象为AI训练提供了可靠的理论指导,并揭示了具体的缩放法则,能够显著提高训练效率、降低成本。研究还发现分层学习率优化可带来6%性能提升,为AI训练的民主化做出重要贡献。
OpenAI与亚马逊云服务签署七年380亿美元协议,在微软Azure之外增加另一个超大规模云服务商来满足其不断增长的AI计算需求。该协议将让OpenAI立即获得AWS EC2 UltraServers访问权限,计算能力将在未来七年内扩展至数千万个CPU。AWS还将为OpenAI构建基于英伟达Blackwell芯片的定制基础设施。尽管签署了这一大额协议,OpenAI仍将继续依赖微软Azure作为其主要云计算合作伙伴。
帝国理工学院团队开发的MoME系统将稀疏专家混合机制与多粒度表示学习相结合,创造出能够动态调整处理精度的音视频语音识别框架。该系统如同智能变速箱,可根据资源情况在同一模型中灵活切换不同性能模式,在保持高准确性的同时大幅减少计算开销,特别适合移动设备等资源受限场景。