深化AI应用,拥抱自主创新——卫信云3.0再升级
在科技周边实战开发的过程中,我们经常会遇到一些这样那样的问题,然后要卡好半天,等问题解决了才发现原来一些细节知识点还是没有掌握好。今天golang学习网就整理分享《深化AI应用,拥抱自主创新——卫信云3.0再升级》,聊聊,希望可以帮助到正在努力赚钱的你。
10月18日,由卫宁健康主办、聚焦医疗领域数字化转型的全国性学术交流盛会Winning World 2023圆满落幕。本次会议以“智进速行 韧性生长 Where the Next Begins”为主题,共探医疗行业应如何在技术变革下善用AI,打造能“感知”、善“思考”、智“交互”的医疗新未来。
深信服作为卫宁健康的战略合作伙伴,医疗事业部总经理袁林受邀出席会议,并发表了《面向AI的新一代卫信云——打造自主可控的云基础设施》的主题演讲,正式推出深信服与卫宁健康联合打造的开放融合的数字健康平台——卫信云3.0版本。

深信服与卫宁健康的合作始于2018年,双方联合解决方案卫信云于2019年正式发布,通过新兴技术的持续更新迭代,以及双方不断的碰撞与融合,卫信云如今已迭代更新至第三个版本。
袁林认为,AI 技术的颠覆性应用和医院自身业务发展需求,势必让医院开始考虑AI算力和资源池的构建、全栈化信创升级、大数据平台的建设,同时复杂的管理和运维也带来服务化和轻资产化的需求。
对于医疗信息化而言,除了业务稳定和安全之外,数据服务、自主可控、统一管理、提高生产效率等诉求也让也要求新型IT架构务必承担起更高的使命。卫信云3.0也正是基于全新的AI技术和医疗业务需求,聚焦三大特性能力的构建,为医疗用户打造自主可控的云基础设施。

第一,构建了面向 AIGC的高性能高性能计算平台,通过深信服和卫宁的合作大幅提升AI应用效果,并降低整体成本、保障数据隐私成本。
第二,卫信云3.0和WiNEX等应用软件深度适配,在整体应用效果、稳定可靠性上,实现信创与非信创业务功能体验基本能保持一致。
第三,卫信云3.0围绕卫宁健康新一代软件WiNEX及SaaS化服务进行优化设计,打造了O2O的线上线下一体化解决方案。
面向AI,打造低成本、高性能的云平台
卫信云3.0 构建的面向AI的能力,不只是简单在集群和数据中心构建AI的计算资源,还在AIGC 高性能方案场景,构建了不损性能且大幅降低推理成本等优势。

1.大模型训练成本比常规优化降低60%:试驾大模型开发过程中积累最佳训练时间配置,封装成脚手架,以工具包或UI的形式提供给用户,使得用户无需关注技术细节,即可实现大模型微调流程的高效打通,实现60%的训练成本降低。
2.大模型推理不损失模型性能,成本降低75%:提供模型压缩和闭环对齐的自动化机制,在不损失精度的情况下降低模型显存消耗,降低推理的成本。同时,深信服提供GPU超配和资源调度机制,通过构建GPU资源池,实现GPU自愿地超配和分时复用,使得综合推理成本相比优化前可以降低75%。
基于超融合,打造架构先进、双栈一致的基础设施
袁林介绍道,深信服依托超融合技术,构建了OS差异化屏蔽层,剥离了底层OS内核和上层功能代码的关联性,提高整体云平台架构的先进性,弥补了信创和非信创环境下在硬件、操作系统、host OS层的能力差距。
另外针对卫宁应用软件的业务重要性,深信服与卫宁在研发层面通过反复沟通和验证,设置需要重点保护的业务和相应的计算资源,比如重要虚拟机设置资源调度的优先级,防止VCPU被抢占,尽量减少对重点业务性能的影响,保障重点业务的CPU智能调度。
最终保障信创与非信创模式下的功能统一,实现效果、体验和性能上的“双模拉齐”——不妥协功能、不妥协质量、不锁定硬件。

基于WiNEX,打造O2O线上线下一朵云
卫信云3.0围绕卫宁健康新一代软件WiNEX及SaaS化服务进行了全面的优化设计。从功能组件上看,卫信云3.0除了具备业务流可视化,以及数据库优化功能外,最关键的变化就是从之前的本地化交付走向了O2O线上线下一体化交付,能够支持云端交付、本地交付、融合交付三种模式。
卫信云3.0能够将云端实时更新的服务能力下沉到本地,提供全栈式信息化解决方案。重点业务放线下、服务和轻量级非核心业务放线上。并且通过软硬一体化的云端管家联动,卫信云3.0能够提供全方位的信息化监控与运维能力。

经过了5年的深入合作,卫宁健康与深信服已率先联合构建了整体医疗信息化的先进方案。从卫信云最初发布至今,深信服与卫宁共同服务了100个城市的300多家医疗机构。
随着不断涌现的新技术、行业业务的不断变化,使我们越来越坚信,医疗信息化生态之间的“软硬结合”,是为医疗用户提供“化繁为简”的整体方案的有效途径。深信服将持续致力于通过一流的IT基础设施,助力医院数字化的发展,成就智慧医疗。
终于介绍完啦!小伙伴们,这篇关于《深化AI应用,拥抱自主创新——卫信云3.0再升级》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布科技周边相关知识,快来关注吧!
Ozemio推出全球首款生成式人工智能助理
- 上一篇
- Ozemio推出全球首款生成式人工智能助理
- 下一篇
- 继续低迷:二季度我国VR/AR头显出货量15.6万台,同比下滑49.51%
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · rag · 语义检索重排器 第二阶段重排 Cross-Encoder Retrieve and Re-Rank Recall@K
- 语义检索重排器何时值得加入第二阶段
- 449浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 | 缓存 · 人工智能 · 提示词工程 · 提示词缓存 cache_control Prompt Caching 静态前缀 cache_read_input_tokens
- 提示词缓存命中率低应如何划分静态前缀
- 453浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 |
- 模型路由怎样按任务难度分配不同推理预算
- 232浏览 收藏
-
- 科技周边 · 人工智能 | 15小时前 |
- 结构化输出遇到递归字段时怎样约束模式
- 215浏览 收藏
-
- 科技周边 · 人工智能 | 17小时前 | 人工智能 · 工具调用 ·
- 智能体工具调用失败后怎样设计可控重试
- 236浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 |
- 多模态模型输入图片过大时如何控制视觉令牌
- 196浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 |
- 推理服务连续批处理怎样减少 GPU 空转
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · LoRa PEFT merge_and_unload 量化推理 模型合并
- LoRA 合并权重后输出变化过大应检查什么
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- RAG 分块重叠过大为什么会降低检索多样性
- 409浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 ·
- 合成数据能否替代真实样本:覆盖率与偏差检查方法
- 128浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 398次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 478次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 483次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 428次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 254次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
