中台峰会 | 解读企业中台“芯”应用——东软 SaCa X 行业云平台

2019年首届中国数字企业中台应用峰会召开,东软集团黄治纲发表演讲。他指出中台是企业数字化转型必然需求,具有敏捷和行业性特点。东软构建SaCa X行业云平台,为企业中台架构建设提供支持。峰会期间专家顾问团成立,东软案例被纳入报告,助力企业业务创新。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2019 年 6 月 11 日,由中国软件网主办的“首届中国数字企业中台应用峰会”在“世界互联网中心”北京中关村软件园国际会议中心召开。峰会旨在“洞察产业趋势,达成行业共识,搭建合作平台”,围绕“中台的定位与价值”展开讨论。行业权威专家、学者、中台提供商、用户及合作伙伴 300 余人参加。东软集团平台产品事业本部基础软件事业部副总经理黄治纲受邀出席,并发表主题演讲。
在这里插入图片描述
“中台”概念自 2015 年提出至今热度一直居高不下。那么,中台能为企业带来什么价值?哪些厂商能提供成熟的中台建设服务?在本次大会上,东软集团平台产品事业本部基础软件事业部副总经理黄治纲分享了《企业中台“芯”应用——东软 SaCa X 行业云平台》的主题演讲。他指出,东软是一家致力于用软件创造价值和新商业模式的公司,专注于用软件与信息技术推动行业的变革。一直以来,按照“平台技术+业务领域”的模式来梳理自己的组织架构,基于技术和业务资产的不断抽象、沉淀和融合,进而打造高效、敏捷的服务能力。这种成熟组织架构与中台不谋而合,这让东软在中台建设方面有强大的体系支撑及深厚的技术积累。
在这里插入图片描述
当谈到企业对中台的需求时,黄治纲说:“依托过去十几年的技术积累,近年来技术飞速发展。在技术的发展曲线中不难发现,微服务、容器化等技术的出现和成熟,让整个技术领域出现翻天覆地的变化。创新技术的不断衍生,促进了技术领域的进一步融合。而企业在数字化转型的道路中,必然会面临的大量、频繁、敏捷、高效、创新的需求。在数字化转型的大潮下,这种业务发展诉求推动中台概念的出现。”他还指出:“中台是企业的业务融合与 IT 架构演进过程中的必然需求,是一种应对变化的认知,一种经营的理念,是过去积累的沉淀。中台并非是一种全新的理解,在过去许多企业同样做着中台的事,只是没有认清边界并形成业内的共识。”

在东软人眼里,中台到底是什么?
“敏捷+行业”
敏捷
敏捷是对中台的基本诉求,而这种敏捷将体现在三个方面:业务的融合+数据的驱动+服务的开放。如何便捷地实现原有割裂应用共性内容的抽象和沉淀,如何应对新的创新?这是中台模式与传统模式基本的差别。同时,从关注业务流程到关注数据的价值,实现基于数据感知的智能分析与处理是未来发展的必然要求。继而强化对决策的指引性和预判性能力。而这一切的实现都将基于开放性的标准,通过统一的治理模式,才能真正做到敏捷。
行业
技术为行业服务,而中台恰恰也具有行业性,为业务发展提供支撑是中台的根本诉求。而每个行业的特点各不相同,所以更加需要行业的积累。
举个例子
在智慧城市的建设中,如何实现数据的打通?如何治理各种数据资产,实现快捷的智能化决策?数据已经成为核心问题。
随着智能网联汽车的普及,大量终端的接入对云端的服务压力日益增大,汽车的监管、安全及售后等一系列问题也随之产生。各种互联网服务的融合和快速交付,对原有的技术架构和服务的重新组织提出更大的挑战。
对医疗行业而言,则是数据和服务两者兼容,即会围绕病人的病历产生的一系列数据的内容共享和分析,也会涉及到医疗的一系列相关服务。
基于多行业的积淀
东软构建 SaCa X 行业云平台
东软 SaCa X 行业云平台是面向创新型业务的一体化云应用支撑平台。采用 SaCa 系列产品赋能行业云平台的参考架构和实现框架。
基于东软多年对于各行业的业务积累,加上 SaCa X前中后台提供的平台技术能力,便可以快速打造适合各个行业的行业云平台。
在这里插入图片描述
“工欲善其事,必先利其器”。对于IT能力薄弱的企业来说,独立建设中台架构几乎是一件不可能完成的任务。对于具备一定IT能力的企业来说,建设中台同样是一件浩大的工程。东软平台系列产品为行业云大中台架构建设提供了有力武器,涵盖了大中台架构中前中后台建设的全部主要组件。企业可以基于产品并结合东软建设和实施经验逐步构建适合自身的行业云大中台架构。
在这里插入图片描述
峰会期间,中国软件行业协会数字企业中台应用专家顾问团宣布成立,黄治纲受邀成为副主任专家之一。此外,东软的应用案例也被纳入同期发布的《 2019 中国数字企业中台应用现状与趋势研究报告》中,为中台应用带来思考及行动指南。
2019 年将会是中台发展元年,国内企业的中台之风愈演愈烈。企业建立中台化架构,将赋予组织轻量化的快速迭代能力。东软基于多年的行业业务积累及 SaCa X 的平台技术能力,打造适合各行业的行业云平台,将企业业务服务化,从而支撑业务快速发展和创新。

相关阅读
东软平台产品
通过 UniEAP、SaCa、RealSight 产品的灵动组合,高效应对协作跨界融合、数据驱动业务、服务遍在按需、产品可信可控、平台支撑敏捷的共性技术需求,支持便捷迅速的构建企业业务系统,实现业务从前端到后台的变革,帮助企业实现智能化运营,从容应对市场变革,助力企业数字化转型。目前,在政府、医疗、制造、电信、能源、教育、金融、交通等十多个行业领域应用拥有  4000 多家客户、服务于近 10 亿用户。
网站:https://platform.neusoft.com
社区:https://plus.neusoft.com
热线:400-655-6789

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
内容概要:本文详细介绍了哈希表及其相关概念和技术细节,包括哈希表的引入、哈希函数的设计、冲突处理机制、字符串哈希的基础、哈希错误率分析以及哈希的改进与应用。哈希表作为一种高效的数据结构,通过键值对存储数据,能够快速定位和检索。文中讨论了整数键值和字符串键值的哈希方法,特别是字符串哈希中的多项式哈希及其优化方法,如双哈希和子串哈希的快速计算。此外,还探讨了常见的冲突处理方法——拉链法和闭散列法,并提供了C++实现示例。最后,文章列举了哈希在字符串匹配、最长回文子串、最长公共子字符串等问题中的具体应用。 适合人群:计算机科学专业的学生、算法竞赛选手以及有一定编程基础并对数据结构和算法感兴趣的开发者。 使用场景及目标:①理解哈希表的工作原理及其在各种编程任务中的应用;②掌握哈希函数的设计原则,包括如何选择合适的模数和基数;③学会处理哈希冲突的方法,如拉链法和闭散列法;④了解并能运用字符串哈希解决实际问题,如字符串匹配、回文检测等。 阅读建议:由于哈希涉及较多数学知识和编程技巧,建议读者先熟悉基本的数据结构和算法理论,再结合代码实例进行深入理解。同时,在实践中不断尝试不同的哈希策略,对比性能差异,从而更好地掌握哈希技术。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值