ZD至顶网CIO与应用频道 04月26日 北京消息:近日,软件基础平台与解决方案提供商普元信息与智能大数据分析技术及解决方案供应商Kyligence达成战略合作,双方将共同为中国企业市场提供完整的云计算与大数据解决方案。目前双方发挥各自技术优势展开合作,未来普元正在研发的数字化企业云平台“The Platform”将全面集成Kyligence的大数据智能分析产品--Kyligence Analytics Platform(KAP) ,提高其数据自服务能力,同时Kyligence也将采用普元大数据治理产品提升其大数据管理能力。
Kyligence由Apache Kylin(麒麟)核心成员于2016年3月创立,作为秉承开源-商业模式的初创公司, Kyligence致力于进一步推动Apache Kylin开源项目的发展和演进,拓展全球用户社区,并为企业级客户提供基于Apache Kylin的企业版产品及服务。
Apache Kylin作为首个来自中国的Apache 软件基金会(ASF)顶级开源项目,被设计以解决超大规模数据集上亚秒级查询延迟的挑战,提供分析人员以交互式的方式访问和分析海量数据的能力。
Kyligence提供的基于Apache Kylin的企业级产品KAP(Kyligence Analytics Platform)——一套标准的DW on Hadoop产品——不仅将传统数据仓库、商务智能等技术能力迁移到了以Hadoop为主的大数据技术平台上,并在数据量、性能、并发等方面进行了巨大突破,满足了互联网级别的分析需求。
未来KAP将与普元数字化企业云平台”The Platform”实现集成,进一步提升The Platform的数据分析及处理能力,以满足客户信息化建设过程中的数据管理需求,帮助其加速数字化转型。
普元信息的软件基础平台及解决方案已经在中国工商银行、中国移动公司、国家电网、海关总署等数百家大中型用户中得以成功实施,有着丰富的实践经验,普元大数据治理产品已经在银行核心业务、能源数据资产管理、电信信息化等领域建立不可撼动的市场地位,在2017年发布的《中国大数据企业排行榜》V3.0中显示,普元信息位于数据管理领域第一名。
Kyligence则有着国际领先的大数据分析技术,企业级产品KAP正是在Hadoop等大数据平台上实现数据仓库、数据集市、商务智能等不可或缺的一环,目前已经签约了OPPO、国泰君安、华泰证券、联想、中国移动等大型客户,并在金融、电信及泛制造等各个行业获得了多个标杆应用。
此次战略合作通过“强强联合”,为企业提供数据字化转型所需的软件基础架构和大数据管理解决方案。业内人士指出,此次合作体现了普元与Kyligence顺应技术发展趋势、积极拥抱新伙伴的开放心态,以及与客户、与合作伙伴共赢市场的坚定决心。
目前,双方的第一步合作计划已经启动,普元针对企业级用户数字化转型而研发的数字化企业云平台”The Platform”,将与Kyligence Analytics Platform携手,互融互通,进一步为客户释放数据的价值。
Kyligence 联合创始人兼CEO 韩卿表示:Kyligence与普元信息的合作,能够将Apache Kylin带给更多的中国企业用户,使数据分析技术更进一步,推动大数据管理与分析领域的创新发展,Kyligence愿与普元信息共同构建完善的大数据分析生态圈,共同推动企业客户获得大数据的无限价值。
对于此次合作,普元信息董事长兼CEO刘亚东也同样寄予厚望。他表示:普元始终秉持技术优先的经营理念,致力于帮助企业客户加速数字化转型。因此,普元十分重视与Kyligence的合作伙伴关系,并希望与Kyligence将各自的技术优势有机结合,一同为中国企业带来更成熟、更完善的云计算、大数据解决方案。
好文章,需要你的鼓励
Python通过PEP 810提案正式引入惰性导入功能,允许程序延迟加载导入库直到实际需要时才执行,而非在启动时全部加载。该提案由指导委员会成员Pablo Salgado于10月3日提出并于11月3日获批。新功能采用选择性加入方式,保持向后兼容性的同时解决了社区长期面临的启动时间过长问题,标准化了当前分散的自定义解决方案。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
Valve最新Steam硬件软件调查显示,Linux用户占比达到3.05%,较上月增长0.37个百分点,相比去年同期增长约50%。游戏网站Boiling Steam分析显示,Windows游戏在Linux平台兼容性达历史最高水平,近90%的Windows游戏能在Linux上启动运行,仅约10%游戏无法启动。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。