11月1日,2023杭州云栖大会上,阿里云瑶池数据库宣布已全面实现Serverless化,并接入通义等大模型能力,大幅提升数据库一站式及智能化水平。同时,PolarDB Always On系列推出3大重磅升级,首个数据智能助手DMS Copilot也惊艳亮相。
“在Serverless与AI的驱动下,云原生数据库加速向一站式智能数据平台发展演进。”阿里云数据库产品事业部负责人李飞飞在会上表示。
李飞飞指出,数据平台应该像“搭积木”一样便捷好用,而Serverless化是实现此目标的核心路径。
目前,阿里云瑶池数据库几大核心产品均已推出Serverless形态,并进一步实现了“弹得更快、更稳、更广、更细”的全面升级,较传统架构可降低60%成本。
为一站式解决开发者的全部需求,阿里云数据库进行了一体化的大幅升级,包括HTAP一体化、DB+Cache一体化、DB+存储一体化等三大能力的全面提升,并在OLTP、OLAP、NoSQL等多业务场景融合落地,产品易用性大大提高,进一步简化开发、管理和运维成本。
本次云栖大会上,阿里云还公布3大技术升级:PolarDB实现Multi-Master三层解耦架构,内存使用率提升50%;Multi-Master轮动升级,不可用时间减少50%;高压缩比数据存储,最高可节省80%存储成本。
“大模型技术的突破,让AI更好地驱动底层技术迭代升级。”李飞飞表示,底层基础设施中的数据库,将全面拥抱AI技术变革。
目前,阿里云瑶池数据库全面提升了向量检索能力,在PolarDB、RDS、AnalyticDB、Lindorm、Tair等产品中集成向量功能,实现结构化数据、半结构化数据、多模数据、向量数据的一体化处理。阿里云新发布的8大行业模型及“百炼”平台,就采用AnalyticDB作为内置向量检索引擎,性能较开源增强了2至5倍,加速AIGC应用落地。
数据智能助手DMS Copilot也在会上惊艳亮相。据悉,DMS Copilot可支持30+种数据库类型,提供NL2SQL、SQL注释生成、SQL纠错、SQL优化等功能,大幅降低SQL编写门槛,提升开发效率。在耶鲁大学推出的Spider数据集评测中,DMS Copilot的成功率和准确率达到99.5%和78%,比开源模型的正确率高出4%。
此外,阿里云还宣布与SelectDB、MongoDB和Clickhouse分别达成战略合作,推进技术合作和生态协同,构建合作共赢的生态体系。
目前,阿里云瑶池数据库已在千行百业的核心业务中落地应用,服务于自然人税收管理系统、全国60%的省级医保信息平台、广东移动、友邦保险、南方基金、上海市新能源汽车数据平台、掌阅科技、莉莉丝游戏、识货APP等金融、政务、电信、互联网等多领域的客户。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。