6月11日-13日,OAGS2023 开放原子全球开源峰会在京举行。作为开源行业年度盛事,本次峰会以“开源赋能,普惠未来”为主题,聚集政、产、学、研等各领域优势,汇聚顶尖大咖,共话开源未来。浪潮KaiwuDB CTO 魏可伟受邀出席峰会并做《构建“快人一步”的AIoT数据库》主题分享,结合数据库技术中的分布式、HTAP、多模、AI4DB等关键技术潮流及物联网时代的创新数据场景,与在场行业专家、技术爱好者共同探讨数据库在新一波产业浪潮中的发展趋势。
(图:KaiwuDB CTO魏可伟发表主题演讲)
据数据显示,截至2022年全球共计拥有130亿台物联网(IoT)设备,且这一数字还在迅速增长,预计四年内完成翻倍。到2030年,全球预计将有3/4的“哑”设备实现联网。与此同时,所有的联网设备都有一个巨大的副产品——数据,这就意味着物联网将成为数据爆炸的奇点。IDC报告显示,物联网设备产生的数据从2013年的0.1ZB增长到2020年的4.4ZB,7年之内增长了50倍;这一数据将在2025年到达79.4ZB,增速惊人。魏可伟表示,创建和部署物联网设备的企业正在面临前所未有的数据管理能力挑战:他们不仅需要思考如何高效使用物联网设备,也要思考如何处理井喷式增长的物联网数据,包括海量时序数据采集,时序数据与事务数据集成,数据高效管理以便轻松访问调用,数据整合分析及可视化呈现等等,然而往往这种数据量级的存储和处理是传统数据管理方法无法负荷的。
KaiwuDB在实践中发现,物联网领域的数据管理场景不仅对数据库提出了海量时序数据处理需求、水平扩展需求、高基数的需求,还有与高价值关系型数据深度融合的需求,云边端协同的需求,快速响应进行实时控制的需求,用AI进行趋势分析及辅助决策的需求等等。作为一款分布式、多模、支持云边端协同的AIoT 数据库产品,KaiwuDB拥有"就地计算"专利技术,基于MMIO(内存映射)技术实现“所存即所用”,支持百万级数据秒级入库,千万记录查询毫秒级响应,1 秒完成20亿记录数据探索,10秒完成500万记录数据15层下钻,切实保障IoT场景海量时序数据的高速入库、急速查询。KaiwuDB多模架构支持时序数据、内存数据、关系型数据在同一数据库中统一存储、处理及AI智能分析,基于统一的算子和通信协议实现模型的自动选择和自动转换,可实现“以一当五”。同时,KaiwuDB还具有SQL支持、数据压缩、智能预计算、订阅发布、集群部署等特性,及高可用、低成本、易运维等特点。
从实践中来,到场景中去。魏可伟还分享了KaiwuDB牵手山东某重工企业联合打造的离散制造业IIoT解决方案,切实有效地帮助该集团厂区建设了统一设备数据采集服务能力、数据压缩及分级存储能力、设备运行状态实时分析、启停控制、循环参数调整能力等。帮助厂区形成工厂级数据共享机制,实现数据驱动运营管理效率的大幅提升。
履践致远,开物成务。作为国内数据库产业的新生力量,KaiwuDB挖掘AIoT领域需求,深耕物联网产业不断衍生的创新数据场景,努力成为更懂物联网的数据库;但又不止着眼于物联网,在国家政策关注的数字能源、数字政务、金融等多行业也已成功实现落地。在国内外开源生态大踏步发展的今天,KaiwuDB也将努力加强自身技术创新,携手生态内的伙伴探索更多可能性,推动数据库产业持续发展,共创数据新价值。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。