至顶网CIO与应用频道 05月19日 上海消息(文/王聪彬):在新型的市场环境中,企业需要快速灵活的改变,竞争的基础正在发上变化,数据等将成为新型的竞争力。在2017 Teradata大数据峰会上,Teradata天睿公司大中华区首席执行官辛儿伦(Aaron Hsin)表示,我们以客户需求为中心,通过更加创新的技术、全面的产品选项和卓越的咨询与服务,帮助客户通过数据分析获得洞察和潜能,快速适应不断变化的业务需求。
“数据分析已经成为企业内所有部门都很需要的部分,但想要做好数据分析还是一件不太容易的事。”Teradata天睿公司国际集团执行副总裁Peter Mikkelsen指出,新的数据类型正在不断增长,企业需要一个整体的生态系统来解决数据分析的问题。
左:Teradata天睿公司大中华区首席执行官辛儿伦;右:Teradata天睿公司国际集团执行副总裁Peter Mikkelse
Teradata天睿公司营销与业务拓展副总裁Mikael Bisgaard-Bohr认为,现在的企业应该将数据应用到6个层面:用数据改变商业、为数据进行设计、对数据进行管理、用数据进行实验、用数据进行创新、以客户为重点。
在技术上Teradata有两点变化,第一、开源是很重要的,所以更多的构建开源的能力;第二、在不受任何形式存在,在所有地方都可以提供服务,Teradata Everywhere可以在多种公有云、托管云和本地部署环境下部署全球最强海量并行处理(MPP)分析数据库。
在客户体验上,咨询交互的能力同样非常关键,Teradata从客户生命周期管理升级到生活周期管理,更好的理解客户的需求,积极良好的关怀客户。
在产品上,Teradata天睿公司产品及解决方案营销副总裁Chris Twogood发布了两款新产品:
Teradata IntelliFlex进行了升级,设计了高性能的工作负载,适合高吞吐量的业务,实现CPU和存储可以分别扩展,不需要一次进行大规模的采购。
Teradata IntelliBase可以提供多功能的计算节点,集成了计算和存储,可以和UDA集成在同一机柜。
据调查显示,企业在2020年之前会使用混合云的模式,同时部署在本地和云端,所以Teradata发布基础设施软件的云兼容授权,提供许可的可移植性、基于订阅的许可可以有不同的部署选择。
未来是属于能将数据转化为产品的企业,不论是何种技术产品、解决方案最后还是要应用在企业中。Teradata天睿公司首席技术官宝立明(Stephen Brobst)说, 最终数据要回馈给客户来创造价值,今天已经可以看到很多的案例。
Teradata天睿公司首席技术官宝立明(Stephen Brobst)
沃尔沃汽车利用数据为客户提供有效的建议,帮助调整驾驶者调整的用车方式。南加州爱迪生电力将500万现有电表替换为“智能”电表,为客户提供能源使用与成本详细信息与全新动态定价方案,帮助用户改变用电习惯。
当然在大数据使用的新阶段,人工智能也正在成为企业投资的战略重点之一,深度学习能够提升解决复杂问题的性能,将更快、更经济、更准确地发现洞察。Teradata正在通过Teradata实验室和深度学习社区,并同全球科研院所和行业专家合作,依托团队丰富的人工智能技能、资源和经验,为客户项目创造新洞察和成果。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。