至顶网软件与服务频道消息:当前,数据经济蓬勃发展,各行各业在积极拥抱数字化转型。而数字化转型的一个关键特质就是实现数据驱动,面对滚滚而来的数据洪流,企业如何实现从数据中兑现价值成为关键。数据蕴含着巨大生产力,掌握数据就掌握了发展的资源和主动权。而大数据技术成为传统行业转型升级的新动能。
中科天玑数据科技股份有限公司(以下简称“中科天玑”)首席技术官余智华告诉记者,大数据产业经过这么多年的发展,虽然热度没有前几年那么火了,但是这也代表了大数据技术已经进入常态化成熟期,浸透到各个行业中,成为企业数字化基础设施的必备选项。
同时,大数据也从基础平台层开始向应用和分析层发展,也就是大数据技术与人工智能开始更多融合。大数据的价值需要依靠数据挖掘、人工智能算法等技术的加持,提炼出有效的模型,才能落地成实际的应用。
余智华说,中科天玑以大数据计算引擎、人工智能算法为核心,围绕大数据平台、自然语言处理、机器学习、知识图谱、人工智能等方面进行不断拓展。“大数据的发展应该强化应用导向,加速各个行业领域模型的构建。中科天玑为此推出了人工智能模型工厂,降低算法模型开发门槛。”
现在各种新技术不断涌现,比如5G和AI等,这也对大数据产业产生了影响。余智华以5G为例介绍说,5G的特点是高速率、大容量、低延时高可靠等。所以,5G的发展丰富了数据来源,以前受制于传输和感知层面,有些应用场景的数据来源收到制约。现在5G增加了数据规模,同时在数据类型方面也得到了丰富,比如音视频。5G让大数据能够实施交互,应用场景也得到了延展,比如远程医疗。
对于AI,其实与大数据是不分家的。余智华表示,企业大数据经过这些年的发展,已经实现了从无到有。下一步要解决数据价值的问题,AI是必不可少的。AI算法和模型与大数据结合能够加速数据价值的实现。但是AI算法和模型门槛比较高,中科天玑将智能模型和算法易用化,实现快速交付和AI大规模应用。
在大数据产业迭代的同时,客户对于大数据的需求也在发生变化。中科天玑一直深耕大数据产业,对于客户需求的变化也深有体会。余智华说,第一,多元融合需求。因为现在数据越来越多元化,企业需要从以前的单一维度向多维度解决数据治理和融合分析问题。第二,智能算法模型需求,数据有了,如何依靠算法模型实现数据价值成为当前要解决的首要需求。第三,企业技术能力越来越高,对大数据分析的速度期望越来越高。以前数据更多是离线分析,现在是在线分析。比如TB级规模的数据处理要求毫秒级实现。
很显然这些新的需求对于相应的大数据厂商提出了更高的要求,中科天玑也在不断进行技术更新来满足客户的需求,为用户提供大数据整体解决方案,助力中国大数据产业创新发展。
面对产业变化和客户需求,中科天玑自身也在不断创新技术和产品交付,帮助客户解决数据挑战。例如现在容器技术非常流行,可以实现应用快速交付。中科天玑也推出了基于容器云的大数据管理平台,帮助企业、组织或个人简化大数据系统的构建,降低大数据系统的部署、维护和使用门槛,准确对接业务逻辑、提高数据分析、挖掘和预测过程的效率。
余智华表示,大数据应用与产业不断渗透融合,需要新的技术和手段来应对。中科天玑全面支撑从单独产品研发应用到行业解决方案定制,再到行业整体生态布局的全产业链战略布局。
在基础设施平台层面,为了响应大数据与AI的融合趋势,中科天玑强化推出了数据大脑,把共性技术整合成技术平台,从平台数据存储到治理到算法模型,打造云、大数据、智能服务的融合共性平台,支撑企业级大数据智能应用。
在应用层面,面向网信、情报、金融、教育等应用领域,中科天玑强化舆情类、情报方面的布局。比如人机协同智能情报分析引擎(GoIN),其通过对覆盖政治、军事、经济、社会等方面的大数据关联融合,构建贴近业务场景的分析挖掘、预测研判和智能生成系列工具,形成一套人脑决策和计算机智能共生的大数据分析环境及工具系统,辅助用户从大数据中萃取重大战略情报,并进一步转化为可操作的决策指挥能力。
余智华说,中科天玑打造全线产品体系技术平台,依靠核心产品实现行业纵深发展。顺应国家自主可控的大战略,中科天玑聚焦优势行业,参与行业标准制定,强化对行业需求的理解。“在深入行业中,中科天玑会与众多合作伙伴一起赋能客户大数据创新。比如与集成商一起打造行业解决方案。并通过投资手段实现垂直领域发展,与具有技术互补的厂商开展更多联合创新。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。