高性能保护方案 爱数，以全域数据能力加速数据驱动智慧校园建设 人 GAny Backup 多云时代 统一数据管理平台 AGI 赋能的 领域认知智能框架 AGI 时代的 智能内容管理平台 云原生时代的 可观测性平台 爱数，以专注、技术创新为本，发挥全域数据能力 数据驱动智慧校园建设｜ 07 KN 领域知识网络 KN Tools Knowledge Extractor 97% 告警数量减少 AnyRobot 云原生时代的 可观测性平台 AnyRobot Eyes 5 ，是云原生时代的可观测性平台 ，基于机器数据湖和全息观测实现架 构创新 ，帮助组织整合机器数据孤岛 ，实现高效排障和业务敏捷 ，提升数字化效能。 包 括核心业务可观测性、云原生应用可观测性、云基础设施可观测性、灾备可观测性、 、 指标和调用链等。采用云原生架构和大数据处理引擎，利用机器学习算法和知识图谱技术，对各类数据进行集成和处理，全 面满足合规要求并为各类业务系统提供可观测性能力。通过数据驱动业务系统的运营与运维，增强组织数字化韧性： • AnyRobot 机器数据湖支持分布在多云环境中的数字化系统日志、指标及调用链等数据进行采集、整合、存储与分析， 基于云原生架构和大数据处理引擎，支持 PB

数字大屏 （观、防） 看板订阅 分析看板 校园一卡通 可视化 物业管理 后勤管理 污染治理 G IS 管 理 空间数据管理 会客厅 （观、感） 大规模并行计算 异构计算 云原生 网络安全 对象存储 智能云平台 物理模型管理 行业模板 统一运维中心 看板开发 数据探索 统一能力支撑 统一应用中心 设备接入 协议解析 数字孪生 数据中台 异构调度 A I 中 台 数据模型

物联网、大数据 5G 、 AI 技 术 智慧校园数智能力平台 智能魔方业务中台 统一运维中心 物联网中台 物理模型管理 智能云平台 云原生 对象存储 网络安全 异构计算

基于客户行业的容灾备份需求，并结合 XX 学院的实际情况，通过利用灾备软件，设计数 据和业务系统的实时保护方案，为用户提供数据库、文件、应用以及虚拟机等数据的备份服务。 （五） 云原生能力要求 基于云原生需求，提供基于 Kubernetes 的容器集群，提供高性能可伸缩的容器应用管理 能力，支持企业级 Kubernetes 容器化应用的全生命周期管理。支持通过云控制台一键创建集 群，提供容器集群专用的 PaaS层：包括云平台的支撑层服务，通过对数据库、中间件和大数据服务进行整合，可以 对外提供数据库使用实例、业务系统开发平台以及大数据分析服务等PaaS服务。本次建设内容 包括云平台的微服务支撑平台（弹性运行环境、云原生应用管理、微服务治理、云上软件开发 平台）、基础支撑平台（基于云计算、分布式技术的开放式数据中间件、处理中间件、服务中 间件、开发工具包等中间件服务）、数据库服务（支持 MySQL、基于 NewSQL数据库服务、源 特定数据包流入、流出虚拟网卡。而且与一般的云平台不同，这里的安全组针对的是某一个虚 拟网卡，而不是一个云主机，云主机如果有多个虚拟网卡，可以针对每个虚拟网卡来设置安全 组，这样可以实现更加细粒度控制安全。 2.2.1.2 云原生 云原生平台是基于容器和 Kubernetes 容器编排技术，采用微服务架构，兼容 X86、Power、 ARM 等多架构 CPU，以应用为中心，提供包括容器集群管理、DevOps、服务网格、组件管理、

Agent n 三种应用类型 1. 模型增强： FT ； MaaS ；产品包装 （ ChatGPT ） 2. AI 赋能：用 AI 提高原有流程和工具的效率 3. AI 原生：新场景、新需求、新应用 n 三种技术 1. 闭卷考试： RAG 2. 开卷考试： FT 3. 引导能力： Prompt 工程 01 对 AI 技术的认知：大模型的能力边 界 基于 LLM

算力云平台 - 全栈融 合 全栈融合 l 基于开放云的异构算力融合 l 云与大数据、 A I 深度融合 l 基于“平台 + 生态”服务组件融合 业务敏捷 l 基于 openstack 和云原生基座提供全量云资源， 实现全栈业务敏捷 管理智能 l 提供云治理架构的运营运维体系 产品管理 运营管理 运维管理 资源管理 用户管理 实例管理 云计算

机制，保证了数据写入时不会因数据异常而导致 数据 的丢失 ； 高性能，具备非常高的写入性能，对 Rowkey 的查询能够查到毫秒 级别，对高并发也有很好的适应能力。 HAWQ HA WQ 是一个 H a do o p 原生的、大规模并行 SQL 分析引擎，适用于数 据分析 场景。由于如下原因，HAWA 是当前最为热门的、H a do o p 上 SQL 引擎： 对 标 准 的 完 善 支 持 ： AN SI SQL 会把这些比较大的分区写入到硬盘，由此来保证可扩展性。 大规模并行 S QL 分析处理引擎 HA WQ (分析型数据库) HA WQ 是一个 Ha do o p 原生大规模并 行 SQL 分析引擎，针对 的是分析性应用。和其他关系型数据库类似，接受 SQL, 返回结果集。但它 具有大规模并行处理很多传统数据库以及其他数据库没有的特性及功能。主要如 格式(文本， S equ e n ce Fi l e,Av ro,P a rq u e t 等等)以及其他外部系 统 (H B a s e 等),并且用户自己可以开发插件来访问新的数据源。 原生的机器学习数据挖掘库 MA DLi b 支持：易于使用及高性能。 第 1 2 9 页 与 Ha do o p 系统无缝集成：存储、资源、安装部署 (Amb a

对多元风险和综合风险， 是对传统内部控制场域的拓展与升级。 281 图 3 数字化大内控四大集群之经济领域集群 （四）扎实推进智慧校园新基座建设 学校通过全面升级数智应用及基础设施，引入云原生技术能力，建立数智校 园新基座，为数智治理双轮引擎的有力驱动提供强有力的技术支撑。 一是通过开展数据治理工作，为建立统一的数据中台打下扎实基础。构建了 "数据中枢+业务中台"双轮驱动架构，通过经济活动全流程监控、业务活动全链 RBAC 模型自动同步角色变更，如学生毕业时自动注 销权限，确保信息安全与合规。 301 2. 轻量化集成模式：校内系统只要支持 H5 页面并对接统一认证，即可轻松 接入。这种模式降低改造成本，无需原生开发，通过标准 API 接口实现身份核验， 保障系统安全可靠。 （三）教学场景与家校协同的深度赋能 1. 课程群与直播课堂：根据选课数据自动创建课程群，支持文件共享、作 业提交、投票、签到、 监控实时调阅、听课 评价提交；可以实现多个课堂轮流巡课、AI 辅助评价等，将传统的教学监督过 程简化到屏幕方寸之间，助力随时了解课堂教学情况，还能够有效避免对教师正 302 常教学干扰，在“原生态”模式下，有效提高教学质量。 5. 直播课堂：在疫情期间发挥重要作用，支持多机位直播、弹幕互动、AI 自动生成字幕等功能。疫情期间，支撑了 10 万课时教学，保障教学活动正常开 展。 6.

冷却以及管理等的费用，又可享受海量存储和高性能云计算的 服务。 云备份实现了和硬件无关的连续数据保护。当数据或者应 用出现异常时，可通过图形化管理工具快速实现相关恢复，并 可将数据恢复到和原生产服务器不一样的物理或虚拟服务器上。 恢复粒度可以是单个文件或整个应用系统，如数据库等。 云备份的弹性资源分配模式很好地满足业务的扩容或数据 的增长，并且可以按照实际使用量来进行计费，永久解决了业 响试点工作的顺利进行。 技术环境风险 技术更迭带来的风险，主要是 IT 行业技术高速发展所带来 的风险。IT 行业技术日新月异，原来采用的先进设备和技术三 五年后可能就不能满足新的应用要求，或者原生产厂商也不再 继续生产支持，备品备件很难寻找，甚至原来的生产厂商也已 不复存在。目前中卫市智能交通综管平台依据云计算技术和大 数据分析技术作为技术支撑，可以保证行业内五年的领先优势， 但是现

90%，智能经济成为重要增长极； 到 2035 年，全面步入智能经济和智能社会新阶段。文件提出六 大重点行动：“人工智能 +”科学技术，加速科学发现和技术研发； “人工智能 +”产业发展，培育智能原生新业态，推进工业、农业、 服务业智能化；“人工智能 +”消费提质，拓展智能服务和产品 消费新场景；“人工智能 +”民生福祉，创新工作方式、学习方式， 打造高品质生活；“人工智能 +”治理能力，开创社会治理新图景； 意力融合机制整合专家输出。 多头潜在注意 （MLA） 基于奇异值分解的压缩算法，将 注意力矩阵分解以降低存储需求 提出双通道注意力机制，在减少 KV 缓存占用的同时维 持模型性能。 原生稀疏注意 力（NSA） 一种可用于超快长上下文训练和 推理的稀疏注意力机制 提出三合一注意力处理路径；引入硬件对齐系统保证 算术强度平衡，支持高效部署和端到端训练。 多令牌预测 （MTP）