至顶网CIO与应用频道 07月05日 北京消息:随着移动互联网时代的推移、人工智能的革命性进展及行业应用落地需求的激增,企业内部结构化与非结构化数据激增乃至爆炸。这些数据逐渐演变成支撑现代企业业务良好运行的重要载体,为尽快探索、总结出数据中的隐形价值,企业对于数据的搜索、聚合及分析提出了迫切的需求。
7月4日,大数据搜索引擎和分析平台软件公司Elastic与亚太区科技产品渠道开发与技术方案集成服务商伟仕佳杰(00856.hk)在签约仪式上共同宣布,伟仕佳杰将作为Elastic于中国的战略级经销商与Elastic携手开拓中国云计算和大数据市场。
Elastic中国区总经理王刚表示: ” Elastic自创立以来,就专注于开源和大数据搜索分析技术和解决方案,此次和伟仕佳杰的合作,将充分利用其分销网络和丰富的企业客户服务经验,共同推动开拓中国企业级大数据应用和搜索的创新步伐,实现客户、合作伙伴、Elastic的三赢。”
Elastic全球现拥有高达3.5亿次的下载量及多达 100,000 名的社区用户。旗下的明星产品Elastic Stack已成功在全球80多个国家和地区的9000多家客户得到广泛应用。目前Elastic在中国市场的技术和解决方案已经为包括联想、宁波银行,华大基因,国泰君安证券,欣和食品等众多领域的客户带来了技术革新和业务上的突破。
Elastic在技术具备三大优势,规模化:分布式设计、速度:毫秒级搜索结果、相关性:获取到高相关性结果。而且Elastic商业订阅服务在各个使用场景满足企业级需求,包括安全分析、日志分析、指标分析、商业分析、搜索等。
中国是目前云计算和大数据应用市场发展最快的国家,每年新增巨量的数据。收集数据以及分析数据的背后价值,是企业的一项迫切需求。随着各式各样的应用需要大量使用大数据,Elastic的数据搜索和实时数据分析,正好填补了市场缺口。Elastic中国的社区规模目前亦以每年几倍的数量增长,已扩展覆盖到数以万计的开发人员。
为配合大数据云计算及创新科技对软硬件服务的新需求,伟仕佳杰信息服务以「创新服务2.0」的理念为基础,通过服务资源整合平台,推出创新的服务产品,面向10,000 多家服务合作伙伴提供服务支持。伟仕佳杰长期为政府、金融、通信、交通、制造、能源、教育、医疗等行业客户,提供云到端的全方位资讯系统解决方案和建设服务,客户包括国家开发银行IT运维服务项目,新加坡警察部队监视项目及Maybank数据中心和虚拟化安全项目等。
伟仕佳杰是亚太区域最大科技产品解决方案的供应链平台企业,服务网络密布中国、泰国、马来西亚、新加坡、印尼、柬埔寨、缅甸、老挝及菲律宾等9个国家,拥有48,000个渠道伙伴,服务18亿人。
负责Elastic亚太区合作伙伴经营的Pankaj Khushani认为:“此次与具有渠道优势的伟仕佳杰结盟,希望借助伟仕佳杰产品集成、服务集成及技术集成能力,协助Elastic完成布局中国市场。”
双方的合作主要集中于数据搜索与实时分析引擎套件Elastic Stack,同时覆盖其Elasticsearch,Kibana,Beats、Logstash等多个产品。此外,随着安全团队的交互式工作空间Elastic SIEM在套件中加入,此应用整合了资料视觉化工具Kibana,并提供主机安全事件分析、网络安全事件分析及时间线事件查看器三大主要功能,用户可以监控主机以及来自网路的资料,并发现潜在的安全危胁。
作为亚太区科技产品渠道开发与技术方案集成服务商,伟仕佳杰根据客户需求,布局AI领域,不断创新。此次与Elastic的合作,结合Elastic的企业搜索和实时数据分析能力,通过伟仕佳杰强大的渠道覆盖能力,助力Elastic的软件快速渗透到云端及大数据等领域。未来,双方将持续为中国市场提供更加符合实际业务需求的有效工具,加速企业客户数字化转型目标的实现。
伟仕佳杰云计算事业部总经理李炜表示,”如何高效地检索并分析数据,满足用户大数据搜索与实时处理需求,应用迅速扩展,解决大数据应用刚需对企业至关重要。Elastic无疑是开源搜索领域的领先者。伟仕佳杰将全力打造公有云+大数据的创新服务平台,凭借Elastic极具竞争力的产品以及我们在国内广泛的渠道网络,我们坚信将来会有更多的用户选择Elastic。”
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。