至顶网软件与服务频道消息: 12月5日,以数据「智」上为主题的多模态数据智能峰会在北京举行,以多模态数据智能为核心战略的爱数AISHU品牌新征程,在500多位现场嘉宾的共同见证下,正式启航。现场,爱数成功展示了从图像到文本的跨模态场景应用,迈出了从单模态数据分析到多模态数据智能的第一步。
爱数AISHU新品牌启动仪式
爱数不同成长阶段的见证者、爱数最紧密的全球化伙伴、爱数品牌内在价值观践行者等与爱数共同启动了AISHU品牌新征程
‘让技术驱动社会进步’一直是爱数的技术梦想。作为一家来自中国的科技公司,在AISHU的品牌新征途上,爱数将以多模态数据智能来承载这个技术梦想,驶向全球化的市场。
——爱数总裁贺鸿富在峰会上如是说
爱数总裁贺鸿富发表演讲
对于承载爱数技术梦想的多模态数据智能,德国汉堡科学院院士张建伟在此次峰会上发表了《多模态机器智能全球趋势展望》,他表示:当下,人工智能等技术已然成为了新一轮经济社会变革的核心驱动力。而未来AI的呈现形式将是多模态感知输出。
德国汉堡科学院院士张建伟发表演讲
多模态数据智能是人类智能的映射,计算机通过多模态数据获取并分析信息,正如人类通过五感来感知世界。而海量数据源自各种模态的海量数据汇聚到数据湖,这些数据是智能时代的能源。
爱数推出全新的多模态数据智能架构:数据湖架构、数据总线架构、多模态数据知识图谱架构。爱数采用数据总线架构实现数据汇集于应用的集成,采用数据湖架构实现数据的存储,采用多模态数据知识图谱架构将所有的数据都串联起来形成洞察。
同时,爱数通过4大产品组合:AnyBackup灾备云、AnyShare智能内容云、AnyRobot日志云、AnyDATA洞察云——打造出多模态数据智能的大数据基础设施。
会上,爱数运用 AnyShare Family 7 智能内容云进行了多模态数据智能的演示。AnyShare Family 7 成功进行了从图像到文本的模态转换,识别并分析出图像信息并将其转化为文本信息,让AnyShare中的图片自动生成摘要和标签。这让图像检索的过程中,只要输入文字就可以轻松搜索出相关图片,实现精准快速的以文搜图。
爱数以文搜图现场演示
多模态数据智能将怎样应用并产生价值?
多模态数据智能可以通过加强各种信息的联系,真正地将多模态信息连接起来,形成知识,从而建立起知识图谱。企业可以利用知识图谱,应用于销售线索推荐、客户画像、购买行为预测等各个工作场景。知识图谱也能帮助城市建立知识大脑,可以用来进行人口承载力分析、公共设施分析等。
近年来,华为与爱数有着非常紧密的合作。华为鲲鹏生态将助力爱数多模态数据智能。爱数三大产品线的鲲鹏一体机,作为华为与爱数联合创新的成果,成为了鲲鹏生态下的合作样板。
今年,爱数与中新天津生态城达成了战略合作关系,爱数将用多模态知识图谱为生态城构造城市知识图谱,提升生态城的智慧化水平。
爱数经九年蓄力,正式发布AnyShare Family 7 :智能内容云,这是数字化时代的生产力平台,开启爱数多模态数据智能架构的探索之路。
AnyShare Family 7 承载企业和组织的内容战略,通过先进的内容总线架构、内容数据湖架构、云原生架构、人工智能技术,助力全球化运营、服务多样性的企业文化、打造学习型组织、管理和运营数字资产。
今天,创新技术的实践,生态合作与未来探索,成功印证了爱数在多模态数据智能上的无限可能性。爱数在实现技术梦想的路上已经跨出了至关重要的一步,正式踏上品牌新征途。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。