产品详细介绍 姓名：范香云 座机：010-59201713 手机：13311233616 QQ：3201453676 地址：北京市海淀区文慧园北路8号庆亚大厦

H3C UIS 7.0超融合软件是新华三集团面向企业和行业数据中心推出的面向未来的超融合创新产品。遵循开放架构标准，在通用X86和ARM服务器上无缝集成计算虚拟化、存储虚拟化、网络安全虚拟化、运维监控管理、云业务流程交付等软件技术。不仅可以精简数据中心服务器数量，整合数据中心 IT 基础设施资源，精简 IT 操作，提高管理效率，达到提高物理资源利用率和降低整体拥有成本的目的，而且UIS在上一代超融合架构基础上集成云原生引擎、赤霄加速引擎、多角色引擎、混合云引擎和智能边缘云引擎，利用ABC融合、全运行态、智能加速、云边端协同、高速网络聚合等先进技术，实现基于虚拟机/容器/函数/裸金属全运行态、云原生应用构建、边缘高性能实时计算、前后端整体加速、算力云边智能调度的超融合方案，提供私有云、混合云、边缘云全场景云计算解决方案。可为客户提供较佳融合、极简规模、极宽场景、智能加速的云基础架构，满足企业未来十年的技术架构变革。 •云原生引擎。可同时承载虚拟机、容器和函数计算。在内置云原生运行环境的优点是体积小、速度快，资源利用率极大提升。通过内置的K8SAPI接口，UIS具备了全运行态的资源编排能力，可以对虚拟机、容器、函数计算等资源统一编排管理，构建以应用为中心的云化数据中心。 •赤霄加速引擎。以智能加速卡为核心前后端到端全程加速、主机侧损耗为零，相同核数CPU条件下，对比非加速方案，可以多创建50%以上的虚拟机，每虚拟机成本降低20%以上。4K随机IOPS性能提升1倍以上。同时拥有业界最短IO路径的无损网络，网络时延从毫秒级降低到纳秒级。 •多角色引擎。UIS超融合管理软件打破了物理资源壁垒，以其自适应架构，不仅可以统一管理X86资源池和ARM资源池，还可以同时管理纯虚拟化节点、纯分布式存储节点、超融合节点、AI加速节点、裸金属节点等。兼容不同芯片、不同款型、不同配置、不同能力的物理节点。 •混合云引擎。结合紫光UIS超融合构建的本地私有云数据中心与在紫光公有云中部署的UISonUniCloud云中云，建立了一套资源同构、软件同构、管理同构、交付同构、灾备同构、迁移同构的全态同构混合云架构。 •智能边缘云引擎。超轻量级边缘云引擎，实现海量的物联网终端设备接入。建立了云、边、端三层技术架构，通过在边缘侧部署UIS-Edge智能边缘云平台，打通云边端数据通道和控制平面。 融合至简 •管理融合：计算、存储、网络、安全、运维监控、云业务等六大软件能力统一平台管理，融合交付，开箱即云。 •内核融合：虚拟化内核与IPv6、高性能虚拟网络交换机、SR-IOV硬件网卡驱动、GPU显卡驱动等无缝集成，从内核层控制系统效率、可靠性与稳定性。 •存储融合：UIS可以通过软件将服务器本地硬盘资源进行整合，构建统一资源池，向上层应用提供块、文件、对象统一存储服务，满足结构化、非结构化和半结构化等多类型数据存储需求。 •业务简化部署：集成一键自动化迁移工具，提供P2V、V2V的迁移服务，助力客户原有业务快速上云。 •可视化极简运维：UIS超融合管理平台构建了扁平化、随需而变、弹性可扩展的业务敏捷交付平台，集成了自定义大屏展示、六大一键操作、系统健康度模型、所画即所得、首页快捷方式等极简运维操作，使运维可视化、数据化、自动化、智能化。 虚拟化成熟度 UIS计算虚拟化软件UISCAS，在国际权威虚拟化性能基准测试SPECvirt中表现优异，并提供业内创新性的动态资源扩展（DynamicResourceeXtension，DRX）、无代理杀毒、应用HA、云彩虹等技术。 统一分布式存储 UIS存储虚拟化软件UISONEStor采用统一分布式存储融合架构，为存储系统的高性能、高扩展、安全可靠、自动化运维提供了有力保证。 •统一分布式存储架构。分布式对称架构，无需单独的元数据服务器；同时支持块、文件、对象存储；分布式全局缓存，有效提高集群读写性能。 •高可用。多副本冗余策略，保证数据可靠性，支持2-6个副本灵活配置；支持N+1到N+4的不同纠删码级别，可基于资源池和目录设置；全面的数据保护和容灾能力，支持复制、快照、克隆、拷贝、故障域、保护域等技术。 •高可靠。采用完全冗余组网，无单点故障，硬盘或节点损坏时保证业务不中断、应用无感知；硬盘或节点故障时自动重构，可调整重构优先级；支持在线不停机扩容，增加或删除节点、硬盘不影响业务正常运行，支持集群自动数据均衡 可靠性监控中心 UIS超融合管理软件提供可视化、极简的运维方式，管理人员可一键获取超融合集群的资源信息和服务状态，了解平台的整体运行状况，并能够迅速定位到具体问题。通过分层的方式，展示UIS超融合集群中服务层、系统层、硬件层的可靠性现状，基于一键巡检模式快速诊断站点的健康状态，为高效运维提供指导。 多维度数据保护 UIS超融合提供了UIS备份方案、UIS容灾方案和UIS双活方案三层防护体系，全面覆盖国家标准《信息安全技术信息系统灾难恢复规范》定义的6个灾难恢复能力等级。 •灵活丰富的冗余策略：UIS集成的分布式存储组件支持以卷为单位设置纠删码或者多副本冗余策略，无需热备盘就可快速完成数据重构，保障用户数据完整性。 •多场景备份：自带无代理备份功能，无需额外投入即可实现对虚拟机的差异、增量、全量备份功能，同时提供CDP连续数据保护 •SRM容灾：基于SRM异步复制等容灾方案，满足用户对异构站点或同构站点间容灾服务的需求，为关键业务永续提供有力保障。 •双活：以超融合集群延展技术为核心，为客户提供中心级容灾，保障用户关键业务永续运行。 一键上云 •IaaS云服务能力：融合云平台功能，提供丰富的IaaS云服务目录，可以实现资源的自助交付、分级分权管理、多租户管理、流程工单管理以及异构虚拟化纳管等功能。 •接口开放：开放标准化的RESTAPI接口及兼容OpenStackH/J/K/L/M/P等版本的插件与接口。 •平台开放：兼容200+种通用GuestOS、20+种开源和商用VNF网元。 •合作开放：开放安全、备份、特定行业应用、云管平台等垂直领域合作，培育商业生态，跨界融合。 核心业务承载 UIS为数据库场景负荷进行了针对性优化，为数据库等关键业务应用的部署、管理、应用提供了以下优势： •优秀I/O处理性能：元数据分离技术减少访问消耗；通过计算端缓存加速技术，提升数据库日志高效处理能力。 •简化基础架构和管理复杂性：通过组合不同负荷系统到统一的资源池，高密度整合计算资源，显著提高计算资源利用率。 •快速部署交付数据库实例：基于UIS超融合数据库部署向导可直接在现有资源池进行计算、存储、网络等资源的分配和配置降低时间和人员技术要求。 •数据库实例部署的较佳实践：计算节点资源规格、操作系统设置以及存储规划及搭配组合建议模板化呈现。 •计算资源随业务需求动态伸缩能力：应对业务峰值需求，提升资源利用率的同时也免除了初期规划和基础架构升级烦恼。 应用场景 UIS主要面向虚拟化、私有云、云桌面、分支机构、混合云、开发测试、边缘计算、容灾备份和数据库/关键应用一共九大应用场景。 •虚拟化场景：采用完全软件定义技术，实现IT基础架构的融合，并通过统一管理界面对所有资源集中管理和监控 •私有云场景：基于超融合构建私有云实现更高的实施效率、更弹性的扩展、更高的资源密度。 •云桌面：减少硬件资源消耗，同时减少机房空间占用量。超融合架构存储技术采用缓存分层技术，加速IO读写应对启动风暴问题。 •分支机构：可大幅简化IT运维管理，实现多分支机构统一管理，轻松横向或纵向扩展，以适应不断变化的需求。 •混合云：实现混合架构统一的运维管理、健康巡检、快速完成故障排场，减少IT运维时间和异构平台运维难度。 •开发测试：实现快速环境获取，模拟生产网络环境、运维自动化、更快的应对新技术发展和加速业务上线 •边缘计算：将网络、计算、存储等能力延伸到网络的边缘，在边缘站点就近提供稳定、可靠、高速的边缘计算服务。 •容灾备份：针对不同的RTO和RPO需求提供更加高效、简单和低成本的的容灾备份解决方案。 •数据库关键应用：大简化传统模式的部署复杂性,显著提高计算、存储资源的利用率和缩短业务部署时间。

厦门立方幻境虚拟仿真系统将虚拟仿真技术与临床医学教学相结合，模拟数十种真实基础护理学案例，将基础临床医学专业操作规范要求、操作动作、器械位置等交互关系实时3D立体呈现；医学师生可直观观察各案例情况、按规范要求进行护理知识学习、实训；对操作过程实时展示、纠正错误、进行考评。系统能有效协助教师完成教学和考核工作，帮助医学生更快掌握基础护理学知识和技能。 系统拥有：PC、VR、AR、MR、3D交互墙、CAVE沉浸系统、移动版等多种软件版本，客户可根据需求定制。 产品涵盖： （1）、理虚实教学管理平台（2）、内科学（3）、外科学（4）、妇产科学（5）、儿科学（6）、口腔医学（7）、中医学（8）、基础护理（9）、急救护理（10）、老年护理（11）、康复治疗（12）、生理学（13）、动物学 等多个医学专业门类，及细分医学科目。更多产品资讯欢迎致电详询。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

目前我国生物质热化学转化技术应用较多的是固定床气化，但生产规模普遍较小且高效连续运行性能差，尚无法适应以发电为代表的规模化利用方式。因此，在生物质转化利用领域，开发规模化高效可靠的气化技术是迫切需要攻克的关键技术。2007年华东理工大学主持实施世界银行的全球环境基金项目（CRESP）“规模化生物质固定床气化炉的研制”，之后又负责完成了多项相关重点科研，核心装备技术于2009年7月通过专家验收。本项目的技术原理是将生物质燃料通过固定床自热气化生产可燃气体，其关键技术包括气化炉控温防止结渣、降低飞灰夹带及燃气深度净化等。本项目核心装备—固定床气化炉的单炉产气量大于5000m3 /h，采用典型农作物秸秆为原料的燃气热值大于1500kcal/m 3 ，同时还可获得焦油和草木灰等副产品，气化系统运行高效、可靠而洁净，已完全达到规模化工业生产的要求。本项目成果可广泛应用于供气、发电和供热等场合。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

目前我国生物质热化学转化技术应用较多的是固定床气化，但生产规模普遍较小且高效连 续运行性能差，尚无法适应以发电为代表的规模化利用方式。因此，在生物质转化利用领域， 开发规模化高效可靠的气化技术是迫切需要攻克的关键技术。2007年华东理工大学主持实施世 界银行的全球环境基金项目 (CRESP)“规模化生物质固定床气化炉的研制”，之后又负责完成 了多项相关重点科研，核心装备技术于2009年7月通过专家验收。 本项目的技术原理是将生物质燃料通过固定床自热气化生产可燃气体，其关键技术包括气 化炉控温防止结渣、降低飞灰夹带及燃气深度净化等。本项目核心装备—固定床气化炉的单炉 产气量大于5000m3 /h，采用典型农作物秸秆为原料的燃气热值大于1500kcal/m3 ，同时还可获 得焦油和草木灰等副产品，气化系统运行高效、可靠而洁净，已完全达到规模化工业生产的要 求。本项目成果可广泛应用于供气、发电和供热等场合。

非线性失真是5G通信系统和其他新兴多载波通信系统的主要失真来源，而数字预失真代表着线性化方法发展趋势。目前，数字预失真方法均采用了对非线性器件输出信号的包络特性进行直接线性化的简单思路。由于有源非线性器件（如射频功放）存在最大输出功率的限制，故此种原理的线性化算法在高能信号区会造成输出有效增益的明显下降，也就是难以同时满足低功率损失和高线性化效果的要求。这不但造成了低下的电源利用效率，并且造成我国对进口大功率射频器件的依赖。 针对5G通信非线性失真研究的理论空白，申请人率先完成了非线性失真信号微观分析法，首次揭示了亿万个随机交调项间的定量关系，推导出了系统参数和非线性频谱间简洁的多项式表达关系，并将仿真速度提高1100倍。针对目前射频电路预失真方法的原理性缺陷，申请人建立的多级精细化数字信号预失真方法实现了在低功率损耗的条件下取得高度线性化效果，此方法可提高功放的功率利用率，降低我国对大功率射频功放的进口依赖。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试