ZDNet至顶网软件频道消息:在当今大数据时代,我们最缺乏的是什么?缺少数据?缺少分析和管理数据的工具?可能都对,但又都不那么准确。在大数据时代,我们真正或缺的,可能是数据科学家,也就是对数据能够有效掌握和分析的人。
一个企业内部的数据集成或者数据质量管理工作是否有价值,在于面对的是否是有效的数据应用和使用者,他们就是数据科学家,只有他们有效的获取和利用了这些数据,才能发挥数据的最大价值。
遗憾的是在企业传统的数据管理业务中,服务的直接对象是IT部门,而不是真正需要数据的业务部门。为了让数据真正为业务部门服务,Informatica发布了IDP(Intelligent Data Platform)智能数据管理产品,让业务部门成为真正的数据受益者。
Informatica大中国区首席产品顾问但彬在接受ZDNet记者采访的时候介绍了IDP发布的初衷。“在传统业务模式中,IT部门成为业务部门获取数据的桥梁,然而数据的描述和最终获取都会因为多了IT部门这道环节而大打折扣。我们推出的IDP直接面向业务部门,业务人员可以根据自己的需求,按需获得他所要的数据。而这种需求,完全基于业务部门对业务的理解。”
Informatica大中国区首席产品顾问但彬
IDP将人员、位置与事物以更加智能的方式紧密相连,从而为应用程序、设备和人员提供支持。举例来说,当传统数据管理解决方案能够生成20种报表时,如果客户想要第21种,需要IT部门与供应商一起来进行再开发。而有了IDP,业务人员可以在这个数据管理平台上很方便地直接生成第21中分析报表,而不需要借助IT部门的帮助。
从实现手段来看,IDP并不是一个IT工具,更像是一个平台,若想让业务部门灵活使用,就要做到“轻应用”。什么叫做“轻应用”?但彬举了一个很直观的例子。
“当我们在电脑上双击一段视频文件的时候,可能会自动打开腾讯影音或者暴风影音播放器;当我们双击一个文档的时候,可能会自动打开Word;当我们双击一个MP3的时候,会自动打开媒体播放器。对我们来说我们不需要了解应用程序背后是什么业务逻辑,我们要做的只是双击和打开。Informatica要做的是,面对来自不同渠道的数据和数据的各类形态,通过IDP,业务部门只需要一个类似于‘双击’的动作,数据的识别、处理、分析都可以轻松完成,对业务部门来说不需要关注后台是如何运作的,也不需要去掌握技术上是如何实现的,他们只要能够使用。”这些面对业务人员的操作都是交互式的,也是自助式的。“我们会给用户一个操作台来直接操作数据,而不像原来只是一个界面,让IT人员去定义规则。现在的平台更像是一个面向数据的应用。”
虽然IDP前端面对用户是“傻瓜式”的,但是其基础还是需要雄厚的数据管理和分析能力,在这方面,Informatica本身就有着很强的技术实力。从IDP的核心来说,需要极强的智能学习能力。在PC端当我们打开某一个未识别文件的时候,系统给予我们很多的选择程序,当我们选择其中一个后,未来再打开同样类型的文件时系统会自动选择打开;IDP也同样如此,它有一个机器学习的功能,这是完全智能的。
除此之外,在数据基础架构层,无论数据的输入、集成、数据质量管理还是数据安全管理,Informatica都是行业内的领导者。Informatica拥有企业数据集成、数据质量管理、主数据管理、信息生命周期管理等多种解决方案,这些数据基础架构层是由IT部门运维的,如果想要变成良性的持续不断地能够把数据管理和使用得更好,就需要一个更加智能的平台,也就是IDP,IDP的智能不是凭空产生的。
数据基础架构层与数据智能化层之间的关联也就决定了IDP包含的三大要素:首先是Informatica Vibe 虚拟数据机:这是一种可嵌入式数据处理引擎,它提供了对任何位置、格式或来源的数据的近乎普遍的访问能力,支持客户“一次映射,多次部署”;其次是数据基础设施:数据基础设施层能够在任何规模下,系统、连续地交付干净、安全、互连的数据。从部门级到企业级,从事务数据到大数据,从内部部署到云端;最后是数据智能:为客户重新定位数据基础设施层所创建的元数据,进而提高可见性、改善决策过程并加强运营智能化水平。
对于Informatica来说,也通过一些销售组合来给予客户多一些的选择。据但彬介绍,用户既可以以传统的方式购买一套IDP产品安装在本地,也可以通过云的方式购买。对于Informatica来说,云的方式会是优先考虑的一种销售方式。
虽然IDP是今年年中Informatica全球大会刚刚提出的概念,目前还没有落地的产品,但是从发展理念来看,这是将Informatica传统业务、优势产品与智能化产品进行组合的一整套解决方案。但彬表示,为了让用户接受IDP的概念,Informatica会在打包销售IDP解决方案的时候,赋予其上的数据基础架构层产品以一个非常优惠的价格,比单独购买某一产品更加划算。
好文章,需要你的鼓励
中国AI初创公司月之暗面发布开源语言模型Kimi K2,采用万亿参数混合专家架构,在编程和自主代理任务上表现卓越。该模型在SWE-bench等关键基准测试中超越GPT-4,同时提供免费开源版本和低价API服务。Kimi K2具备强大的"代理"能力,能自主使用工具、编写代码并完成复杂多步骤任务,标志着开源AI模型首次在综合能力上追平甚至超越闭源竞品,可能重塑AI行业竞争格局。
清华大学研究团队开发出VideoScene技术,能够仅从两张普通照片一步生成完整3D场景视频,速度比传统方法快50倍。该技术巧妙结合了3D重建与视频生成,采用"3D感知跨越流蒸馏"策略和"动态去噪策略网络",在多项评估指标上显著超越现有方法。这项突破为VR/AR、游戏开发、电商展示等领域带来革命性应用前景,标志着从"大量数据依赖"向"智能有限数据利用"的重要转变。
AI人才争夺战愈演愈烈。Meta大举挖角后,OpenAI招募了特斯拉前软件工程副总裁David Lau和xAI基础设施架构师。Meta向其超级智能实验室部署新员工,以超2亿美元薪酬包招聘苹果基础模型负责人。这场激烈竞争造成了AI对劳动力影响的两极分化:科技巨头为顶尖AI人才开出九位数薪酬,但大规模裁员仍在继续。受影响岗位不仅包括人力资源和客服,还包括软件开发和中层管理职位。
蒙纳什大学等机构联合开发的VLIPP框架首次让AI视频生成真正"懂"物理定律。该系统通过视觉语言模型预测物理运动轨迹,再由视频扩散模型生成高质量画面,在两大权威基准测试中全面超越现有方法,为影视制作、教育等领域带来革命性突破。