图片

国产信创产品兼容适配认证是为了支持和推动国产信息技术产品和服务的发展而设立的一种质量标准和管理体系。适配认证旨在确保相关产品在安全性、可靠性、兼容性等方面达到一定的标准,以满足政府和关键行业对信息安全和自主可控的需求。

北京中烟创新科技有限公司(简称:中烟创新)一直以来都高度重视技术创新和产品研发,始终致力于人工智能技术的研发与创新,不断推动千行百业的数字化转型与智能化升级。为了更好地推动国产信息技术创新产品的发展进步、满足市场需求和提升产品竞争力,公司积极与国产信创企业进行产品兼容适配认证,确保公司产品能够与各类国产信创产品无缝对接,实现更加高效、稳定、安全的运行。

图片

中烟创新旗下灯塔大模型应用开发平台及多款核心产品已完成国产化适配认证,构建覆盖基础软硬件的信创技术生态。通过了麒麟软件、统信软件、华为鲲鹏、达梦数据、东方通以及飞腾等在内的产品兼容适配与认证,包含服务器、数据库、中间件、CPU等,共计认证100余项。这些产品在安全性、可靠性、性能和兼容性等方面的能力和水平得到充分的验证,能够应对不同业务场景时所使用。

图片

"灯塔大模型应用开发平台"作为企业级大模型产业化落地的核心基座,通过模块化工具链与可视化编排引擎,提供覆盖模型选型、模型微调、生产部署及持续优化的全生命周期管理能力——从异构算力资源调度到领域知识注入,从Prompt工程优化到多模态服务编排,构建端到端AI应用开发闭环。其技术架构与价值维度可拆解为以下关键模块:

图片

图为:灯塔大模型应用开发平台功能图)

大模型选型

支持多种主流大模型,如DeepSeek、通义千问、Chatgpt、豆包、文心一言、Kimi、智普等。丰富的模型选择为不同应用场景和业务需求提供了适配基础,用户可根据具体任务(如文本生成、知识问答、图像识别关联等)选择最合适的模型,以获取最佳性能和效果 。

提供多种微调方式

  • Pre - training(预训练)

在大规模通用数据上进行初始训练,构建模型基础能力。

  • Post - pretraining(后预训练)

在预训练基础上,针对特定领域或任务进一步训练,使模型适应特定业务场景。

  • Fine - tuning(微调)

使用特定任务的小规模数据对预训练模型进行参数调整,提升模型在具体任务上的表现。

  • RLHF(基于人类反馈的强化学习)

通过人类反馈优化模型输出,使生成内容更符合人类期望和需求。

  • Q - Lora(高效低秩适应)

一种高效的微调技术,在减少计算资源和内存需求的同时,实现模型的有效微调。

  • 增量训练

随着新数据的产生,不断对模型进行增量式训练,持续更新模型知识和能力 

工作流编排

可视化托拉拽

提供直观的可视化操作界面,用户通过简单的托拉拽方式即可完成工作流的搭建。这种操作方式降低了开发门槛,非专业技术人员也能快速上手,实现个性化的工作流程设计。

工具插件

集成 NLP(自然语言处理)、OCR(光学字符识别)、AI 等多种工具插件,方便用户在工作流中灵活调用这些工具,实现文本处理、图像识别等多种功能的组合与协同工作 。

prompt(提示词)

Prompt template(提示词模板)

提供多种预设模板,涵盖数据分析、营销文案、图像生成、智能问答、职场效率、工作助理等多个领域。这些模板为用户提供了标准化的提示词框架,帮助用户快速准确地引导大模型生成符合需求的内容。

Prompt 优化、Prompt 评估

具备对提示词进行优化和评估的功能。通过优化提示词,提高大模型响应的准确性和质量;通过评估提示词效果,帮助用户了解提示词使用的有效性,并据此进行调整和改进 。

向量知识库与多模态知识库

向量知识库

包含长期记忆、短期记忆、内置知识等,用于存储和管理知识信息。向量表示形式便于模型快速检索和利用知识,支持模型在处理任务时进行知识关联和推理。

多模态知识库

够处理图片、视频、音频、文档等多模态数据,打破单一模态限制,实现更丰富、全面的信息处理和知识融合,提升模型对复杂任务的处理能力 。

智能体/AI应用

灯塔大模型应用开发平台作为核心,具备观察感知、辅助决策、记忆检索、运营支撑、推理规划、智能问答、行动执行等多种能力。能够在不同场景下实现智能化应用,如为业务流程提供智能决策支持、进行智能问答交互、执行自动化任务等 。

多种部署方案

推理加速:通过优化算法和硬件配置,提升模型推理速度,减少响应时间,提高应用效率。

大模型服务:提供稳定的大模型服务接口,方便用户调用模型功能。

链 + 向量库:结合区块链技术与向量知识库,保障数据安全和知识管理的可靠性。

多算力规格:支持不同算力配置,根据应用需求和预算灵活选择,实现资源的合理利用 。

运维

灰度发布:在应用部署过程中,采用灰度发布策略,逐步将新版本应用推向部分用户,通过小规模测试及时发现问题,降低风险,确保应用稳定上线。

根因定位:具备故障诊断和根因分析能力,当应用出现问题时,能够快速定位问题根源,以便及时解决。

资源配置及调度:根据应用负载和需求,动态调整计算资源(如 CPU 等)的配置和调度,保障应用性能和资源利用效率 。

监控+评估

数据监控:实时监测应用服务数据和客户反馈数据,掌握应用运行状态和用户使用情况,及时发现异常数据和趋势。

数据评估:对收集的数据进行评估分析,包括对模型性能、应用效果、用户满意度等方面的评估,为持续优化和改进提供依据。

资源监控、资源评估:对计算资源(如服务器资源等)进行监控和评估,确保资源合理使用,及时发现资源瓶颈并进行优化 。

图片

(图为:灯塔大模型应用开发平台架构图)

国产信创兼容适配认证犹如铸就数字基座的"标准锚链",将技术创新与产业需求紧密联结。中烟创新不仅实现了产品矩阵的"无缝焊接",更在操作系统、数据库等关键领域构建起自主可控的技术闭环。随着兼容认证体系持续完善,中国新型工业化的航程中必将涌现更多“灯塔”,照亮产业高质量发展的未来之路。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/pingmian/82283.shtml
繁体地址,请注明出处:http://hk.pswp.cn/pingmian/82283.shtml
英文地址,请注明出处:http://en.pswp.cn/pingmian/82283.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

初识Vue【1】

1.什么是Vue: Vue (读音 /vjuː/,类似于 **view**) 是一套用于构建用户界面的**渐进式框架**。与其它大型框架不同的是,Vue 被设计为可以自底向上逐层应用。Vue 的核心库只关注视图层,不仅易于上手,还便于与第三方库或…

Jest入门

快速入门 Jest中文文档 | Jest中文网 1.下载:npm install --save-dev jest 2.创建 sum.js 文件: function sum(a, b) { return a b; } module.exports sum; 3.创建sum.test.js 的文件 const sum require(./sum); test(adds 1 2 to equal 3,…

Spring Boot企业级开发五大核心功能与高级扩展实战

前言 在企业级应用开发中,Spring Boot已成为事实上的Java开发标准。本文将从企业实际需求出发,深入剖析Spring Boot五大必用核心功能,并扩展讲解三项高级开发技能,帮助开发者掌握构建健壮、高效、易维护的企业级应用的必备技术。…

2025电工杯数学建模B题思路数模AI提示词工程

我发布的智能体链接:数模AI扣子是新一代 AI 大模型智能体开发平台。整合了插件、长短期记忆、工作流、卡片等丰富能力,扣子能帮你低门槛、快速搭建个性化或具备商业价值的智能体,并发布到豆包、飞书等各个平台。https://www.coze.cn/search/n…

LabVIEW开发FPGA磁声发射应力检测系统

工业级磁声发射应力检测系统,针对传统设备参数固定、灵活性不足的痛点,采用 Xilinx FPGA 与 LabVIEW 构建核心架构,实现激励信号可调、多维度数据采集与实时分析。系统适用于铁磁性材料应力检测场景,具备高集成度、抗干扰性强、检…

Java IO流学习指南:从小白到入门

Java的IO(Input/Output)流是处理数据输入和输出的基础。无论是读取文件、写入文件,还是通过网络传输数据,IO流都无处不在。对于刚接触Java的新手,理解IO流可能会有些困惑,但别担心,今天我们将一…

【后端高阶面经:微服务篇】1、微服务架构核心:服务注册与发现之AP vs CP选型全攻略

一、CAP理论在服务注册与发现中的落地实践 1.1 CAP三要素的技术权衡 要素AP模型实现CP模型实现一致性最终一致性(Eureka通过异步复制实现)强一致性(ZooKeeper通过ZAB协议保证)可用性服务节点可独立响应(支持分区存活…

QNAP NEXTCLOUD 域名访问

我是用docker compose方式安装的,虽然不知道是不是这么个叫法,废话不多说。 背景:威联通container station安装了nextcloud和lucky,lucky进行的域名解析和反代 先在想安装的路径、数据存储路径、数据库路径等新建文件夹。再新建…

高级SQL技巧:窗口函数与复杂查询优化实战

高级SQL技巧:窗口函数与复杂查询优化实战 开篇:数据库开发中的挑战 在现代企业级应用中,数据库不仅是存储数据的核心组件,更是处理复杂业务逻辑的重要工具。然而,随着数据量和并发请求的不断增长,传统的S…

《STL--list的使用及其底层实现》

引言: 上次我们学习了容器vector的使用及其底层实现,今天我们再来学习一个容器list, 这里的list可以参考我们之前实现的单链表,但是这里的list是双向循环带头链表,下面我们就开始list的学习了。 一:list的…

docker中使用openresty

1.为什么要使用openresty 我这边是因为要使用1Panel,第一个最大的原因,就是图方便,比较可以一键安装。但以前一直都是直接安装nginx。所以需要一个过度。 2.如何查看openResty使用了nginx哪个版本 /usr/local/openresty/nginx/sbin/nginx …

vscode包含工程文件路径

在 VSCode 中配置 includePath 以自动识别并包含上层目录及其所有子文件夹,需结合通配符和相对/绝对路径实现。以下是具体操作步骤及原理说明: 1. 使用通配符 ** 递归包含所有子目录 在 c_cpp_properties.json 的 includePath 中,${workspac…

【排序算法】典型排序算法 Java实现

以下是典型的排序算法分类及对应的 Java 实现,包含时间复杂度、稳定性说明和核心代码示例: 一、比较类排序(通过元素比较) 1. 交换排序 ① 冒泡排序 时间复杂度:O(n)(优化后最优O(n)) 稳定性&…

多模态大语言模型arxiv论文略读(八十七)

MG-LLaVA: Towards Multi-Granularity Visual Instruction Tuning ➡️ 论文标题:MG-LLaVA: Towards Multi-Granularity Visual Instruction Tuning ➡️ 论文作者:Xiangyu Zhao, Xiangtai Li, Haodong Duan, Haian Huang, Yining Li, Kai Chen, Hua Ya…

塔能节能平板灯:点亮苏州某零售工厂节能之路

在苏州某零售工厂的运营成本中,照明能耗占据着一定比例。为降低成本、提升能源利用效率,该工厂与塔能科技携手,引入塔能节能平板灯,开启了精准节能之旅,并取得了令人瞩目的成效。 一、工厂照明能耗困境 苏州该零售工厂…

数据库事务的四大特性(ACID)

一、前言 在现代数据库系统中,事务(Transaction)是确保数据一致性和完整性的重要机制。事务的四大特性——原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)…

8 种快速易用的Python Matplotlib数据可视化方法

你是否曾经面对一堆复杂的数据,却不知道如何让它们变得直观易懂?别慌,Python 的 Matplotlib 库是你数据可视化的最佳伙伴!它简单易用、功能强大,能将枯燥的数字变成引人入胜的图表。无论是学生、数据分析师还是程序员&…

springboot 控制层调用业务逻辑层,注入报错,无法自动装配 解决办法

报错: 解决:愿意是业务逻辑层,即service层的具体实现类没有加注解Service导致的,加上解决了!!

如何提高独立服务器的安全性?

独立服务器相对于其它服务器来说,整体的硬件设备都是独立的同时还有着强大的服务器性能,其中CPU设备能够决定着服务器的运算能力,所以独立服务器的安全性受到企业格外的重视,严重的话会给企业造成巨大的资金损失。 那么&#xff0…

关于 Web 风险点原理与利用:6. 逻辑风险点

一、分类: 1.1 越权访问 **越权访问(Authorization Bypass)**是指:攻击者绕过了权限控制机制,访问或操作了非其权限范围内的资源或功能。 换句话说,系统该拦你没拦,你就越权成功了。 1.1.1 …