至顶网CIO与CTO频道 11月06日 人物访谈(文/王聪彬):到今年Teradata天睿公司已经年满40岁,在中国40岁又称不惑之年,遇到事情能明辨不疑,这也非常符合现在Teradata的状态。
去年Teradata发布了新Logo,同时宣布转向了Teradata Vantage一个无处不在的数据智能唯一平台,这是一个巨大的转折点。
Teradata天睿公司总裁兼首席执行官Oliver Ratzesberger也提到,“Teradata经历了两年多的转型,Teradata Vantage取得了巨大的进展,这对于我们是一个向客户介绍新理念的机会。”
Teradata天睿公司总裁兼首席执行官Oliver Ratzesberger
当然Oliver也在积极同各行业客户进行交流,所以在今年的Teradata Universe 2019上他对全球的客户讲述了驱动业务变革的五种力量,其中Teradata在其中可以为他们提供哪些帮助,从而在行业中建立优势地位。
在今年年初,Teradata也将原有的国际市场拆分为欧洲、中东及非洲(EMEA)和亚太地区(APAC),同时将任命地区负责人直接关注亚太地区各个国家。
Oliver非常看好中国这一特殊且庞大的市场,他认为,与过去相比亚太市场有至少十倍的潜力,当然还基于对当地文化的理解。中国是一个有着特殊需求的地区,Teradata也将投入更多的精力在中国,目标是通过合作伙伴开展更多的业务,尤其是云合作伙伴。
对于Teradata而言,未来要做的事就是更加关注全球的合作伙伴,尤其是拓展更多咨询合作伙伴,通过合作进一步推动Teradata Vantage平台的发展。
在产品层面,今年也发布了Vantage Customer Experience以及Vantage Analyst解决方案。
“Vantage Customer Experience可以为营销和客户体验相关人士提供了最佳的定制体验。” Teradata天睿公司执行副总裁兼首席产品官Reema Poddar说道,将Vantage用作企业客户数据平台可以确保他们具有集成、分析和激活客户数据所需的自治性和易用性。
Teradata天睿公司执行副总裁兼首席产品官Reema Poddar
值得一提的是,针对Hadoop使用率的明显下降,Teradata Vantage利用云对象存储实现计算和存储的分离。之前很多企业在Hadoop上投入大量的时间和金钱,而通过Hadoop Migration Program可以让企业更轻松地转向Teradata Vantage,让更多的客户可以平稳的过渡到云中,从而在降低风险的同时通过廉价的云存储保持较低的总拥有成本。
Teradata Vantage在不断进化的同时,对于用户的使用上是否变得更加复杂?Reema Poddar也谈到客户可以在服务的基础上构建自己的自定义应用程序,当然这并不意味着在使用上更加繁琐。Teradata Vantage是为简化操作而设计,希望消除使用数据分析的复杂性,快速获得价值,以敏捷的方式适应所有的变化。
融合是Teradata Vantage的优势,其可以通过API和Teradata QueryGrid集成不同的数据源,从而实现简化和可扩展。
Reema Poddar认为,创造性来自于构建解决方案的机制,如果一个产品在使用上更加简单,迅速提供答案,创造力和生产力就源于此,如果在一个链条上产生多次中断无疑是不好的体验。
Teradata正不断加大人工智能的投入,一家篮球俱乐部使用Teradata的模型来分析球员的移动、奔跑、观察障碍物等数据,他们不用等几个小时,而是迅速获得结果并用于训练,可以使上篮更快等实现改进。
同时Teradata一直在开发许多自动化功能,以消除人操作平台并使用算法处理的需求,例如查询优化、工作负载管理,下一步也将大规模敏捷分析作为服务交付。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。