ZD至顶网软件频道消息: 近日,Hewlett Packard Enterprise(HPE)举办了2016年大数据世界之旅的活动,HPE将这次活动称为“大数据的速度与激情”,HPE 中国区副总裁、软件集团总经理李时表示:“当下,企业面临的一个很大的机会和挑战,就是怎样将企业内部所产生的数据和企业外部社交媒体、客户的反馈,以及广告、视频、音频等数据,利用大数据技术为企业提升营收、提升客户满意度、降低运营成本和风险,为企业创造更多的价值 。”
李时认为,要做到这一点,很重要的第一步就是借助大数据平台,快速、实时地分析企业所拥有的数据。
据了解,HPE大数据平台主要分为三方面组件:HPE IDOL主要分析包括视频、音频、图像、文本等非结构化、半结构化数据;HPE Vertica帮助企业更好更快地分析企业所拥有的结构化数据,通过 HPE IDOL 和 HPE Vertica 可以全面分析企业拥有的内部和外部数据 ;HPE OnDemand Open API通过云的方式为企业和开发人员提供快速实现技术原型验证的平台,企业和开发人员可以成熟地运用API 调用进行快速人脸识别。
HPE 中国区副总裁、软件集团总经理李时
此次活动中,HPE宣布扩展旗舰级IDOL分析平台,推出商用版HPE Haven OnDemand,提供先进的机器学习API和服务。
新版HPE IDOL通过应用数据分析和机器学习,为组织自动化和辅助处理大量人工任务,如趋势分析和视频监控。
HPE IDOL 11整合了上下文分析和可视化功能,以便帮助知识型工作者和公司对于每个流程、操作和客户交互都采用数据驱动型方案。
Hewlett Packard Enterprise公司软件集团大数据平台业务中国区总经理石建强表示:“全球的公司在各项事务中都在充分利用数据分析的能力。传统数据库在设计上从未考虑到分析人类信息,往往缺乏有效、可靠理解非结构化数据所必需的关键功能。通过加入新一代人工智能,神经网络和机器学习功能,我们现在让企业能够利用自身所有数据。”
新版HPE IDOL 11的功能包括:
商用版HPE Haven OnDemand是一个创新的云平台,提供先进的机器学习API和服务,让开发者、新创企业和大型企业能够开发数据密集型移动和企业应用。
作为一项在微软Azure上交付的服务,HPE Haven OnDemand提供超过60个API和服务,能够对各种数据进行深度学习分析,其中包括文本、音频、图片、社交、网络和视频。
HPE提供一个从免费增值服务开始的灵活方案,支持免费开发和测试,并延伸到基于使用量和服务水平协议(SLA)、适用于企业级交付的商业定价模式,以支持生产部署。HPE Haven OnDemand提供的一些功能包括:
HPE在2014年12月推出了测试版HPE Haven OnDemand。现在,HPE Haven OnDemand拥有超过12750个注册开发者,每周生成数百万次API调用,并提供反馈来帮助改进和完善该产品。
HPE大数据市场部副总裁Jeff Veis介绍道,在线交友网站Blink开发了一款名为“速配”的移动应用,这款应用充分利用Haven OnDemand 面部检测和图片识别API来实现更加人性化的交友应用体验,通过直播视频聊天,降低在线交友的风险,将人们实时地连接到一起。
李时表示:“软件行业目前正处于由机器学习所驱动的技术引领突破的新时代,机器学习将在生活的方方面面支持数据驱动型应用。HPE Haven OnDemand通过把以往只面向高端、训练有素的数据科学家的机器学习的强大功能带入主流开发者群体从而实现大数据的民主化。现在,任何人都可通过我们易于使用的云服务来利用目前的各种丰富的数据,从而开发可产生新见解、实现业务差异化、满足客户并提供竞争优势的应用。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。