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
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。