2021年6月3日,上海音智达信息技术有限公司(简称音智达)CEO孙晓臻日前表示,通过与亚马逊云科技紧密合作,打造以机器学习为核心、帮助客户实现数据智能的能力,音智达能够更好地满足客户挖掘海量数据价值的迫切需求,持续获得竞争优势。借力亚马逊云科技的重磅机器学习服务Amazon SageMaker,作为获得亚马逊云科技机器学习能力认证的高级合作伙伴网络成员,音智达获得的客户商机比往年增加了50%,在2021年由数据科学家带动的业务收入增长已经接近40%。
音智达是一家专注于企业数字化转型与数字驱动管理的大数据公司,成立近20年来,在数据仓库与大数据领域积累了深厚的经验,为亚洲地区数以百计的跨国企业及本土客户提供数据服务,在生命科学、快消、汽车、零售、电子数码、金融、保险以及运输行业享有众多成功案例。
近年来,音智达发现,客户的数据量呈爆炸式增长,从过去五年10TB级别的ERP、CRM数据,到现在数据量基本都在200TB以上,一些客户的数据量甚至达到PB级。客户的数据越来越多,对数据价值挖掘的期望也越来越高。为此,越来越多的客户开始上云,希望在云上管理数据,利用云上的数据分析和机器学习服务更便捷高效地挖掘数据价值。
客户不断增长的数据量和上云需求,为音智达带来了四个方面的挑战。首先是人才的挑战,诸如人才招聘和培养不易,人才流失率高等;其次是技术上的挑战,客户多样化的需求和快速增长的服务规模,对音智达的基础架构平台提出了更高的要求;第三是部署和运维成本高,让音智达及其客户都要耗费很多财力和精力;第四是缺乏优质的、高性价比的服务平台。因此音智达于2018年正式与亚马逊云科技合作,开始其云战略部署。2019年音智达升级成为亚马逊云科技高级咨询合作伙伴,并于2020年获得亚马逊云科技的人工智能与机器学习能力认证。通过与亚马逊云科技的合作,音智达成功地实现在传统数据仓库和数据分析业务的基础上转型上云,快速积累云上数仓、数据湖与数据分析、智能湖仓、人工智能与机器学习等方面的能力,以雄厚的技术实力帮助客户实现数字化转型。
音智达CEO孙晓臻介绍说:“紧跟客户需求趋势,速度对我们很重要。亚马逊云科技的云服务种类齐全、功能强大,在亚马逊云科技的帮助下,我们很快培训并认证了多名亚马逊云科技工程师和数据分析专业人员。这些都大幅提升了音智达的技术开发和服务能力,实现了业务发展和持续创新。“
Amazon SageMaker是一款面向所有数据科学家和开发人员的机器学习服务,能够有效的帮助他们快速构建、训练和部署机器学习模型。Amazon SageMaker结合亚马逊云上的Amazon EMR大数据处理、Amazon Simple Storage Service (Amazon S3) 数据存储等服务,让音智达能够为客户错综复杂的业务场景设计出各种各样的技术架构,满足客户的不同需求。
亚马逊云科技的托管服务也提升了音智达的人员效率。以Amazon SageMaker为例,它可以在数据科学家构建预测算法的同时,保证数据的安全性以及优化数据工程等工作,简化角色构成,减少开展新项目时的繁复工作,让数据科学家们能够专注于算法本身,高效地构建细分业务场景。Amazon SageMaker还为音智达带来了显著的效率提升,以往完成一个项目需要几个月的时间,现在已经缩短到几周内。”Amazon SageMaker对于我们而言并不仅仅是一个工具,更是我们面对客户的一个十分优秀的平台和环境。它的一键式部署、弹性、自我调度、运维,可以让客户在各个运营阶段都很轻松。数据的安全隐私性也有保证。” 孙晓臻表示。
Amazon SageMaker平台的开放性和强大的功能,让音智达如虎添翼,目前已经基于该服务实现了一系列包括销量预测、图像处理、质量分析和预防性维护等场景的技术创新。音智达帮助某生命科学领域客户构建了智能化产品销售预测模型,以预测未来24个月产品销量,从而提升排产规划精准度,优化供应链管理。与手工预测模型相比,智能销量预测的准确率大幅提升,并帮助用户节省了人力成本。音智达还为某医疗客户开发了图像欺诈检测系统,解决了传统审核中样本量大、覆盖面不全,以及花费大量人力资源等方面的问题。在图像大量输入时进行系统批量检测,预测出每张输入照片的欺诈概率,将有欺诈可能的图像标记输出给客户进行二次审查,模型预测准确率达到95%。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。