青云志 6 月刊 | 打造省级低空经济试点，助力银行告别“大型机”时代，与海光信息达成战略合作

青云QingCloud 2025-07-04

客户故事

青云携手省级低空经济试点，打造全栈可控的云端大脑

作为江苏省低空经济平台落地试点，江苏航产联合青云科技打造了全栈可控的低空经济云端大脑，为低空经济产业提供“CPU+GPU”协同的全场景计算，从 IaaS、PaaS 到开放应用框架的全栈平台。

低空经济数字底座承载了飞行轨迹、用户隐私等敏感数据，必须满足低空数据“不出域、不外流”的监管要求。通过平台建设，该试点实现了空域资源整合，打破了低空飞行器、地面管控中心与第三方服务的数据孤岛，带来了效率大幅提升。以航线场景为例，航线规划效率提升 80%，航线审批效率提升 60%，这为“数据共享、业务协同”的低空经济生态模式的形成提供了坚实保障。

青云助力某大型银行核心业务上云，彻底告别大型机时代

某大型股份制商业银行在青云科技的技术支持下，顺利将信用卡业务相关系统的生产环境全部迁移上云，既满足安全合规要求，又加速了业务敏捷性，通过技术创新、模式创新，助力业务快速响应市场变化。

在建设过程中，该银行真正发挥出云计算的技术价值，基于两地三中心构建起分布式数据中心，打造多活架构，更好支持快速迭代和产品创新，同时显著提高系统的可用性，也让用户能获得快速响应的服务。

生态建设进行时

青云科技与海光信息达成战略合作

青云科技与海光信息技术股份有限公司（简称：海光信息）于北京正式签订战略合作协议。双方将依托青云云平台、AI 智算平台与海光芯片的各自优势与深度融合，展开全方位、深层次的合作，致力于树立国产化生态新标杆，重塑国产数智化产业新格局。

此次合作，双方将建立长期的软硬件深度协同机制。在产品层面，双方秉持 “发布即适配、发布即优化” 的高效理念，提前规划、紧密配合，针对产品性能优化、创新实验等环节展开深度协作，确保技术迭代无缝衔接。在解决方案打造上，双方将联合挖掘金融、政务、能源等重点行业场景，深度开发场景化解决方案，打造行业标杆案例，精准满足不同行业客户的多样化需求。在商业合作方面，双方将持续拓展合作深度与广度，提升市场竞争力，实现互利共赢。

产品与服务上新

青云上线文心 4.5 系列开源模型，畅享开发新体验

青云科技旗下 AI 算力云服务——基石智算于文心 4.5 系列模型开源首日，第一时间将其上线至 Coreshub 大模型服务，同时支持 API 调用与独立部署。

从用户需求出发，基石智算充分发挥自身资源与技术优势，与文心大模型团队紧密合作，通过产品侧的深度适配与优化，让文心开源模型在平台上运行更高效、响应更迅速，让用户享受从算力到模型的全流程服务，轻松应对 AI 挑战。

OceanBase 上架 KubeSphere Marketplace，打造云原生数据库新范式

随着云原生与容器化技术的迅速发展，数据库的云原生化成为 IT 基础设施升级的重要方向。由 OceanBase 团队打造的两款核心扩展组件——OB Operator 和 OceanBase Dashboard，正式上架 KubeSphere Marketplace，为企业提供一站式、高性能的数据库云原生解决方案。

出席活动

青云亮相清华校友 AI 产业发展论坛

在济南市与清华大学深化合作、济南城投集团推动产城融合发展的背景下，“汇智齐鲁，新质产城” 清华校友 AI 产业发展论坛顺利举行。青云科技受邀出席并发表演讲，与众多清华大学专家学者及校友企业齐聚济南，共同见证清控科创(济南)创新基地揭牌仪式，共探 AI 产业赋能转型升级新路径。

由青云技术支持建设的济南超算山河超级计算平台，凭借强大性能与高效服务，在业内树立了极高的示范性和广泛影响力，也服务着济南城投的 AI 创新项目。论坛现场，青云科技副总裁沈鸥，不仅分享了这一智算标杆背后的故事，也深入介绍了青云在智算领域的创新技术与落地实践。

青云亮相 2025 iMFG 智能制造峰会

6 月 19 日，以 “智数齐驱造通全球” 为主题的iMFG 智能制造峰会在上海举办。作为云计算与 AI 算力的创新引领者，青云科技受邀出席此次盛会，通过主题分享与展台交流，充分展示了青云在智能制造领域的数智化技术能力、方案能力及落地实践，吸引了众多参会企业的目光。

青云重点展示了自研的 AI 智算平台，可实现对 CPU、GPU、存储、网络等多元异构硬件的统一调度，能为制造企业提供强大且灵活的算力支持——从工业 AI 模型训练、微调时的 GPU 资源动态分配，到生产数据实时分析的高效计算响应，均能提供稳定、高效的服务。

推荐阅读

算力项目下半场：软件如何重塑核心竞争力

高端芯片的获取曾被视为算力项目的核心门槛，但现在局面已经被改变。英伟达芯片即便稀缺且面临管制，只要具备相应资源和渠道，企业都能获取到这些芯片，甚至是高端芯片。与此同时，国产芯片厂商持续发力，不断提升性能、扩大场景。完成硬件层面的搭建，不再是难题，反而如果硬件资源长期闲置，会成为价值转化的负累。此时，优质的软件系统能让算力资源实现 “1+1>2” 的效果，而缺乏软件支撑的算力硬件，不过是零散堆砌的硬件 “积木”。

Embedding 模型怎么选？

无论是文本、图像，还是音频，Embedding 模型都能将复杂的数据转化为便于计算机处理的向量模式，挖掘数据背后的语义信息，成为机器学习和人工智能领域数据处理的关键技术。那么，面对市面上众多 Embedding 模型，到底应该怎么选呢？明确使用场景、考量数据特性、对比常见模型、模型评估优化……都该怎么做？