至顶网软件频道消息: 如果一家技术厂商幸运的话,它可以定义一个时代。如果不幸运的话,一旦其原始面市模式的增长潜力开始减弱的时候,这个时代将继续让该厂商处于劣势。
Cloudera的命运颇有讽刺意味,它曾经在一段时间内声名鹊起。现在人们非常喜欢大数据的云时代,但Cloudera几乎没有利用好这个转折点。与此同时,正如Wikibon最近的市场研究中所提到的,在这个Cloudera与其有着紧密联系--基于Hadoop的大数据分析--的时代中,Cloudera却逐渐变成一个低增长的传统业务。
Cloudera总部位于美国加州帕洛阿尔托,是Hadoop早期商业化的主要供应商之一。在过去几年中,Cloudera的发展已经远远超过了其核心市场,扩大了解决方案的覆盖范围以满足全球企业客户的需求。虽然最近Cloudera表示,计划在未来几个季度以托管平台或者PaaS云产品的方式提供所有解决方案,但目前只是提供这一种方式,那就是管理数据准备服务Cloudera Altus的一个测试版。
即使这种在微软Azure和AWS云中提供托管提取转换加载功能的产品也是迟到的。IBM等厂商早已经在他们自己的公有云中提供了ETL和一系列其他数据集成PaaS产品。
当然,Cloudera有很多竞争优势,例如持续扩张的全球客户群,以及不断提供的新功能、工具和解决方案加速器。事实上,根据Cloudera的财报,最近一个财季Cloudera的收入、毛利率、新客户以及国际业务均高于去年同期。
然而,中小型企业新客户正涌向采用公有云替代品,这可能会让Cloudera迄今为止还比较成功的"领土和扩张"增长战略成为牺牲品。由于AWS、微软Azure、Google Cloud和其他公有云提供商之间的价格站,会让Cloudera的利润率下滑。
但是,我们不要将Hadoop作为Cloudera的核心资产。事实上,Hadoop仍然是大数据文件存储、批处理、非结构化数据优化、可查询归档和其他许多用例的关键。这些是其他更新的大数据分析技术(如Spark、Kafka和TensorFlow)不太适合的场景。
为了应对这些场景和其他核心厂商,Cloudera围绕其市场领先的发行版构建了一个全面的产品组合Cloudera Enterprise Data Hub。作为基于Hadoop的分析、流处理、建模、管理、编目和工作负载管理的单一来源,Cloudera仍然是该领域的一个重要力量。
但仍然感觉Cloudera的路线图中缺少了些什么。金融市场已经注意到这种不确定性,Cloudera的股价大幅下跌。
Cloudera缺少的是强劲的盈利能力和动力。从最近几个季度和全年来看,运营亏损虽然有所减少,但是整体看亏损仍然巨大。除了这些数字之外,Cloudera前景疲软,净亏损持续,订阅收入增长明显减速,经营现金流仍然是负值。
把Cloudera拉出低谷需要做些什么?明智的做法是把发展重点放在开发者社区上,这个社区正在利用大数据构建下一代机器学习、深度学习和其他人工智能应用。
事实上,Cloudera近年来积极进入数据科学工具细分领域,提供了Cloudera Data Science Workbench解决方案,并将其列为增长最快的解决方案领域之一。然而,这种增长可能不会持续下去,除非Cloudera将企业从纯粹手动机器学习开发转向更加自动化的DevOps管道以实现人工智能资产的运营化。在这场比赛中Cloudera也迟到了。
一揽子垂直解决方案是Cloudera维持收入增长的另一种可能性。Cloudera继续建立渠道合作伙伴生态系统来抓住这些机遇。Cloudera已经在网络安全、金融服务、数据保护、医疗保健、基因组学等大数据分析应用领域发挥了重要作用,并且似乎正在蓬勃发展的"物联网"边缘分析领域扩大自己的影响力。但是,Cloudera能否利用这些合作伙伴主导的机会,要受到其直接销售这一传统定位的阻碍。
你看,Cloudera在这个新时代找到其锚点时遇到了麻烦。对Cloudera来说,最好的时代已经过去了吗?
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。