2020年3月26日,中国北京——致力于帮助客户创造性地解决最关键的可扩展性、互操作性和系统速度问题的数据技术提供商 InterSystems今日宣布,公司荣获2020年Gartner Peer Insights运营数据库管理系统(ODBMS)客户选择奖。这是InterSystems在14个月内第二次获此殊荣。
Gartner Peer Insights客户选择奖分析了Gartner Peer Insights 网站上来自340多个市场的330,000余条评论,这些评论均是源于直接购买、实施和运营过某一解决方案的同行。在数据量充足的细分市场中,Gartner Peer Insights会对比客户选择来找出客户评价最高的供应商。
截至2020年3月20日,InterSystems数据平台在Gartner Peer Insights网站上拥有将近113条有效评论(来自过去12个月),平均得分为4.7(总分5.0)。此外,InterSystems还获评“Gartner运营数据库管理解决方案魔力象限领导者”殊荣,其评选依据基于分析师意见而得出。
InterSystems最近推出了领先市场的最新版InterSystems IRIS®数据平台,通过支持连接数据和应用孤岛的机器学习应用程序,提升应用性能和可靠性,降低经营成本,帮助客户加速实现数字化转型。
InterSystems 数据平台副总裁Scott Gnau表示:“对InterSystems IRIS®数据平台进行的每次更新,我们都竭力提供关键技术、解决方案和全力支持,以推进客户的数字化转型计划,助力我们的客户和合作伙伴取得更大的成功。我们认为,获评运营数据库管理系统(ODBMS)客户选择奖很好地证明了我们始终致力于客户和合作伙伴的成功,这将推动我们继续创新,巩固我们作为全球开发人员首选数据平台的地位。”
Gartner Peer Insights 客户选择奖是在综合考虑评论数量和整体用户评级后,终端专业用户对运营数据库管理系统(ODBMS)供应商的认可。为了保证评估的公平性,Gartner 始终坚持严标准来识别具备高客户满意度的供应商。
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。