打分说明： 本次打分主要针对信创云底座厂商华为云（HCS）：重点围绕信创能力支持情况进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考 打分参考指...(more)

打分说明： 本次打分主要针对信创云底座厂商华为云（HCS)：重点围绕平台关键组件性能进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考 打分参考指...(more)

打分说明： 本次打分主要针对信创云底座厂商华为云（HCS）：重点围绕云服务产品功能进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考 打分参考指标： ...(more)

打分说明： 本次打分主要针对信创云底座厂商华为云（HCS）：重点围绕产品架构开放性与升级能力进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考打分...(more)

打分说明： 本次打分主要针对信创云底座厂商阿里云（APSARA）：重点围绕平台关键组件开放性进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考 打分...(more)

打分说明： 本次打分主要针对信创云底座厂商阿里云（APSARA）：重点围绕市场认可度进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考 打分参考指标： ...(more)

打分说明： 本次打分主要针对信创云底座厂商阿里云（APSARA）：重点围绕资质与品牌影响力进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考打分参考...(more)

打分说明： 本次打分主要针对信创云底座厂商阿里云（APSARA）：重点围绕云服务产品功能进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考打分参考指标...(more)

打分说明： 本次打分主要针对信创云底座厂商阿里云（APSARA）：重点围绕高可用及扩展能力进行客观打分。本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考 打分参考...(more)

打分说明： 本次打分主要针对信创云底座厂商阿里云（APSARA）：重点围绕平台运维支持能力进行客观打分。 本投票打分是由： 企业IT应用趋势项目创新联盟——关键业务入云 课题组发起，由课题成员：王辉（来自金融行业）主持。 更多金融行业生产环境信创云底座选型评估框架参考 打分参...(more)

向量数据库定位为大模型落地解决数据更新、知识图谱构建、消除幻觉等问题，当前向量数据库市场存在不同的技术路线和诸多厂商的产品，企业面临根据自身应用场景和大模型技术栈，选择适合自身需求的向量数据库的难题。通过本话题的探讨重点考察向量数据类型、向量检索算法、数据...(more)

考察向量数据库的高可用设计、运维设计、国产软硬件的兼容性设计，以及典型故障等运维实践。

1.背景：随着大型模型的发展，企业在人力、财力、物力等方面的资源投入变得尤为重要。这些资源的合理分配和支持对于大型模型的建设至关重要。2.痛点：企业在有限的资源条件下，如何优化资源配置，以最大化项目的效益，是一个亟待解决的问题。3.问题：企业如何建立ROI模型，以实现资源投...(more)

目前是否有什么评估指标，来评估大模型建设的成果？

大模式如何与原有架构（如数据湖、湖仓一体、数据仓库）相结合，成为了企业架构中需要考虑的问题。企业需要对现有的数据架构进行全面的评估，了解其功能、数据处理能力、存储容量、查询性能等，有助于确定大模型与原有架构结合的方式和可行性。企业还需定义统一的集成接口标准，使大...(more)

业务人员的业务需求，如何转换为对数据的请求？在众多数据表中， 如何找到和目标业务有关的数据表

随着AI大模型的普及应用，保护隐私和数据安全的重要性愈加突出。通过加强数据安全保护、强化用户隐私保护以及进一步加强技术研究和创新，我们能够更好地应对AI大模型带来的智能涌现，并确保隐私和数据的安全性。...(more)

议题中的业务数据主要是指金融行业应用系统运营过程中实时产生的业务属性相关数据，IT技术数据是指承载该应用系统机房、网络、服务器、操作系统、数据库等软硬件实时运行数据。主要面临困难：在金融行业中，如何将应用系统业务数据和IT技术数据进行充分融合，并利用大模型算法实...(more)

金融行业对于决策的解释和透明度要求较高。大模型的黑盒特性和复杂性可能会对模型的解释性和可解释性提出挑战。确保模型的决策过程是可解释和可理解的，以满足监管和合规的要求，是一个重要的问题。如何确保大模型的决策过程是可解释和透明的？有哪些方法可以增加模型的解释性...(more)

创建容器应用时，怎么判断应该为这个容器分配多少cpu和内存