作为东南亚区域内体量最大的金融科技公司,Ascend Money总部位于泰国,并在越南、菲律宾、柬埔寨、缅甸及印度尼西亚设有办事处,Ascend Money的使命是帮助客户充分利用资金,并改善东南亚地区低存款民众的生活质量。
Ascend Money公司为超过4000万客户提供服务,拥有超过65000代理的业务网络,并为六大国家/地区市场设计出一站式金融服务体系。他们打造的TrueMoney电子支付应用可帮助用户支付账单、向朋友及家人转账、在网上及实体店内结账、购买手机充值点等。在印度尼西亚,该平台与Ascend Money的小额贷款产品自推出以来实现了三位数的快速增长。
但融合大量收购方案带来的这种快速增长,意味着Ascend Money在各个国家/地区的团队往往采取截然不同的数字应用开发与部署方式,这严重阻碍了不同部门间的高效协作。为此,Ascend Money希望找到一种既能够改善新产品及功能的协作与交付时间,又能为当地受众提供定制化服务的解决方案。目前,Ascend Money每天构建及发布的应用更新约为100项,而且具体数字还在不断增长。
Ascend Money公司前技术交付主管Tim Howard表示,“东南亚地区的金融科技行业发展非常迅速,但我们业务所在的不同国家市场间仍存在很多差异。我们不希望六支团队针对同一业务进行六轮开发,快速改变以满足客户需求才是正确的道路。”
容器技术取代旧有环境
为了提高应用程序流程的执行效率,Ascend Money决定将遗留应用程序迁移到一套基于Kubernetes容器编排技术的全新标准化平台。在比较了Pivotal Cloud Foundry与Red Hat OpenShift容器平台之后,公司决定使用红帽作为这套全新容器环境的实现基础。
Ascend Money公司技术运营负责人John Cattrall表示,“开源科技正在颠覆整个行业,推动银行业走向现代化。开源精神把人们聚集起来,共同为项目做出贡献并激发创新活力。我们认为开源将成为未来一切科技的温床,也很高兴能够率先与红帽开展合作。”
在获得Red Hat Consulting的设计与实施协助之后,Ascend Money开始在OpenShift Container Platform容器平台上运行其遗留的核心应用与全新云原生服务,包括面向客户的支付与交易应用程序。这套解决方案以Kubernetes为基础,能够为IT及开发人员提供一套统一的跨云协作平台,大大提升应用程序的开发、部署与管理效率。Tim解释道,“除了Red Hat的支持之外,我们还能够与开源社区顺畅对接,帮助我们以前所未有的开放方式开展工作。由于以开源为基础,我们能够在Red Hat OpenShift上安装一切可以适配Kubernetes平台的技术成果。”
这套OpenShift环境还得到Red Hat Ansible自动化平台的大力支持。凭借这套自动化解决方案,Ascend Money得以使用统一的设置为不同国家/地区部署全新环境、实现应用程序与配置变更。此外,该公司还使用Red Hat Satellite提高OpenShift环境的可见性、安装修复补丁并执行其他安全与管理任务。
新平台加速应用程序开发
引入中央自助服务目录,有助于确保跨团队及各国家/地区间的一致性。例如,以往工作人员在检索应用程序性能日志及指标时往往需要两个多小时,但现在开发人员已经能够直接访问这些信息,更快、更轻松地查看代码并做出必要修改。
现在,开发人员还能在与生产场景高度相似的环境中部署并测试应用程序,充分运用微服务及容器技术所支持的迭代、持续集成与交付(CI/CD)方法。Tim解释道,“这样一套通用型平台及工作流程,有助于我们减少重复工作。使用OpenShift集中化机制,我们的开发人员终于能够真正理解自己的应用程序在生产环境中的运作方式。通过一致性更强的测试调整,大家能够以更强的信心将应用程序发布至生产环境当中。”
以企业级开源技术作为应用程序环境的基础,Ascend Money还激励开发人员构建更多创新解决方案,帮助自身在激烈的竞争市场中脱颖而出。
为了进一步保障各团队及地区间的一致性,Ascend Money还使用OpenShift容器平台配合Red Hat Ansible Tower对多种重复性手动任务进行自动化改造,包括新环境部署及全局配置变更等。
OpenShift提供内置自动化功能,可帮助Ascend Money团队专注于构建及更新前所未有的高价值服务,摆脱日常任务带来的沉重操作负担。此外,Ansible Tower还能在不同国家/地区的团队之间共享Ansible Playbooks,借此提高自动化的一致性水平。
以此为基础,之前需要一周左右的任务如今只需要2到3天即可完成,公司现在凭借一支6人技术运维团队就能从容为近200名开发人员提供支持。Ascend Money公司平台服务负责人Chanat Attopakorn表示,“在采用OpenShift之前,我们需要以手动方式维护并操作多种平台。如今,整个运营流程更短、更轻松,大部分工作都能通过OpenShift自动完成。”
这些变化不仅让团队把精力集中在更具价值的工作上、显著加快了产品上市速度,同时也确保Ascend Money能够根据当前趋势随时扩展、充分满足客户需求。
Ascend Money最初只向一小部分客户群体发布产品的最新版本。而在试水成功后,需要快速扩大供应规模——有时候月度环比增幅可能超过100%,借此应对爆炸式的交易量增长。在红帽现代化平台的助力下,Ascend Money得以高效响应实际需求并快速扩展业务规模,甚至在峰值时段将资源从一项服务即时转移至另一项服务。
企业级安全与支持服务成就高可靠性
在售前、设计与实施阶段,Ascend Money团队与Red Hat Consulting通力合作以保证Red Hat环境拥有可靠的运行状态与良好的安全设置,全面保护客户的敏感财务数据。
Red Hat Satellite帮助Ascend Money公司监控并全面管理横跨六个国家/地区的Red Hat环境,包括快速调度并部署修复补丁及其他系统更新。在这种高水平控制体系的支持下,Ascend Money能够更从容地与行业监管机构合作、充分满足法规要求。
Joaquin表示,“作为支付服务商,我们必须建立一套高度安全的环境。在Red Hat Satallite的帮助下,我们能够在必要时立即采取行动、应对各类威胁或漏洞。”
此外,该公司还使用OpenShift建立蓝绿部署方法——即同时创建两套相同的生产环境,并保证任意时段内只有其中一套处于活动状态——以降低运营风险。以原有稳定应用程序版本作为备份方案,这种方法能够在生产环境中部署新应用时最大程度减少意外错误。
Tim表示,“这种技术转变也激励我们在不同国家/地区的团队中采取更全面的开源协作方法。如果某个国家/地区的团队遇到问题,他们可以将发现分享给其他团队,多方协同以快速解决问题。”
为金融服务提供持续创新基础
在全面迁移至Red Hat OpenShift容器平台之后,Ascend Money进一步构建起一套云基础设施,用以支持当前及未来的服务开发工作。
这样一套更稳定、可扩展性更强的云架构平台,将助力Ascend Money能够为客户提供更多前所未有的创新型金融服务。Ascend Money的团队也从中深受启发,积极尝试新的技术探索方向。”如果没有与Red Hat Consulting合作应用Red Hat OpenShift,我们几乎不可能发展成如今的状态、也不可能让多个国家/地区的团队立足同一通用平台开展无缝协作。”Tim最后总结道。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。