至顶网CIO与应用频道 10月18日 拉斯维加斯消息(文/王聪彬):一年用户执行超过11万亿次查询,年收入10亿美元,每年Teradata的解决方案处理840EB数据。Teradata首席运营官Oliver Ratzesberger在2018 Teradata Analytics Universe开场首先展示了几个数字。
当天下午,在遇到Teradata总裁兼首席执行官Victor Lund时,我首先问了他对于现在Teradata的表现是否满意?他的回答是:绝不不是,我们需要不断的改变战略来满足客户、增加收入、扩展市场、实现创新。
Teradata总裁兼首席执行官Victor Lund
事实上,在一周之前Teradata就发布了新的Logo,以及新的战略和产品。推出Teradata Vantage,它是实现无处不在数据智能的唯一平台,其可以提供任意数据分析、任意环境部署及提供重要分析成果所需的速度、规模及灵活性。而且Teradata Vantage还融入了专业咨询服务,形成一个整体的解决方案。
企业中的数据往往呈现的出复杂、混乱、孤岛。Teradata的一项调研显示,74%的受访者表示,企业使用的分析过于复杂,79%的受访者表示,很多数据是他们不需要的,需要更多的数据才能高效完成任务。
所以企业需要一个更便捷的普世的数据智能。而且Oliver今年提到最多的是回报,而不是如何分析,他还提出了一个大胆的口号“停止购买分析”,这里所提到的停止当然不是真正停止,因为企业正在不断的大量的在数据分析上进行投入,但是很难看到回报。
Teradata首席运营官Oliver Ratzesberger
其实从两年前提出Teradata Everywhere到现在的Teradata Vantage,分析即服务的概念已经越来越得到深化。
Teradata Vantage是一个端到端的分析流程,可以随时分析所有数据,提供描述性、预测性与指示性分析、自主性决策、机器学习、可视化工具等广泛功能,包括Teradata之前推出的4D分析功能。该平台可部署在公有云、本地环境、优化型或通用基础设施,或以“即服务”方式提供。
Teradata Vantage包括三大部分:工具和语言、功能和引擎、集成数据集。用户将能够在SQL、Python、R等最常见语言和工具以及广泛的商业智能与可视化工具之间随意切换,并使用SAS、Jupyter、RStudio等高级功能。该平台还提供JSON、BSON、AVRO、CSV、XML等多结构数据存储与分析能力。
“使用Teradata Vantage就像购买iPhon X拨打电话一样方便简单。”Teradata天睿公司市场营销高级副总裁Chris Twogood说,Teradata Vantage可以通过API和Teradata QueryGrid集成不同的数据源,从而实现简化和可扩展。
Teradata天睿公司市场营销高级副总裁Chris Twogood
总结而言,Teradata Vantage可以处理复杂问题、整合分析、提供灵活的模型、可扩展性。
对于目前驱动业务机会,前美国联邦CIO Tony Scott提到包括:加速数字化、利用机器学习/AI/数据、实施安全和隐私设计、5G四种技术趋势。
其中,人工智能在全球已经是一个非常火热技术,企业或多或少都在尝试使用人工智能。目前像西门子、飞利浦都在使用分析进行预测性维护,确保设备的正常运行,并且使用人工智能、机器学习让设备更智能来变革医疗行业。
Teradata CTO Stephen Brobst表示,企业往往90%的时间都用于清洗和提炼杂乱无章的数据,现在通过人工智能可以用更多时间来进行决策。
Teradata CTO Stephen Brobst
现在人工智能谈得最多的就是机器学习和深度学习。机器学习是模型构建过程的自动化,利用迭代学习技术。深度学习可以显示数据的多层神经网络,解释数据的非线性关系,从高维度数据中导出模式。深度学习不同于传统的人工智能,可以实现跨行业的应用。
企业在部署AI上最大的难点是规模,Stephen提到了人工智能行业青睐的GPU,当然还有像FPGA、ASIC。现在各行业人工智能应用也在落地过程中,它们都各有长处。未来人工智能技术,尤其是深度学习对于计算的需求也是非常巨大的。
当然数据分析人才短缺依然是一个全球都在面临的问题,其实Teradata在宣布转型的同时,也将圣迭戈设立为新的全球总部,该园区位于美国西海岸,未来将充分应用美西的创新技术与人才资源。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。