至顶网软件频道消息:MapR是备受瞩目的三家初创公司(MapR、Cloudera和Hortonworks)之一,几年前围绕开源大数据软件框架Hadoop狂热时大出风头。与其他同行一样,MapR最初专注于在Hadoop生态系统中集成和扩展组件。随着大数据市场的发展,MapR已经成为一个多层面的分析和应用开发工具提供商,基于它称之为“融合数据平台”的主集成层。
与其他厂商不同的是,成立有9年时间的MapR一直保持私有的状态。MapR公司首席执行官John Schroeder毫不掩饰想要回报那些为MapR投入了2.8亿美元的投资者,但考虑到迄今为止竞争对手的股票价格表现不佳,所以他并不着急。Schroeder在2016年退出了运营的角色,但两个月前再次回归,理由是要将产品翻一番。
问:四年前,MapR称自己要“履行Hadoop的承诺”。今天,MapR却在公开资料中都不提及Hadoop。这期间发生了什么?
答:我们的首个产品涵盖整个Hadoop堆栈。这让我们能够轻松赢得大型客户,因为大多数人都在试用Hadoop。后来技术逐渐扩展,所以我们添加了[Apache] Spark、SQL访问、消息流、分析、还有利用TensorFlow进行机器学习等令人兴奋的领域。这些都不需要Hadoop,而且专注于的用例范围也比较窄。Hadoop仍然活着,但不像是2009年那个时候是一个重大的发展方向。
问:那么在这期间和客户的互动发生了什么样的变化?
答:市场在不断成熟,但“噪音”也很多,信噪比质量不高。客户在过滤信息的时候约到了很多麻烦,如今他们受到的市场教育比六、七年前多,但他们仍然需要对很多说法进行评估和验证。
问:现在想要入门是不是容易多了?
答:是越来越容易。尽管这是一个嘈杂的市场,但大数据仍然是一项必须具备的能力。我们也扩大了我们的范围,开始做推荐引擎、风险分析和欺诈检测等业务,现在我们也赢得了联网汽车的客户,我们有一家医疗设备公司在使用我们的产品对MRI机器进行分析,公有云和混合云环境已经引入了容器和编排功能。客户们必须变革为基于云或混合的架构,我们在Kubernetes和容器方面的能力对他们来说是至关重要的。
问:你认为未来五年大数据概念会有多重要?
答:大数据可能作为一个术语将继续存在,以区别于在线交易处理,但对于细分市场中发生的变革并不具有描述性。它需要变得更加细化。
问:这对MapR的战略有什么影响?
答:我们希望建立一个平台公司,所以我们从未围绕Hadoop售卖开源软件。这么做是有道理的,因为机器学习/人工智能技术和物联网不需要Hadoop,而是需要具有持久性和安全性的强大平台。我们在混合云方面也做了很多工作,为下一波虚拟化做好准备。
问:你认为哪些新技术将具有最强大的后劲?
答:物联网是一个巨无霸。我们可以通过连接汽车或使用医疗设备进行分布式处理,来降低成本并提高安全性,这真是太神奇了。另一个值得关注的是混合云,因为现在人们还远没有完全迁移到公有云,我听到有客户说他们想要平衡成本效益。
问:大数据的开源根基将如何影响企业对开源技术的态度?
答:这起到了非常重要的作用。客户希望使用定义好的标准(如SQL和Posix)进行标准化。Hadoop创建了一个客户满意的参考架构和事实标准。
问:你现在重点关注哪些领域?
答:机器学习/人工智能、容器、物联网和混合云。我们无法用20年前的技术在物联网或机器学习/人工智能上创建应用。我们可能处于大数据的第三或第四回合,我们还有很长的路要走。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。