9月28日,由企业级可扩展图分析平台TigerGraph主办的第二届“Graph + AI中国峰会”将于10月20日线上举办,本届主题为“图创未来·无界精彩”。作为全球唯一一个专注于图技术的行业峰会,“Graph + AI峰会”自开办以来,受到数据行业专家及应用领域伙伴的持续关注,吸引了全球74个国家的上万人参与。今年TigerGraph持续扩展合作生态,将邀请更多行业伙伴,共同探讨图技术与人工智能结合的发展未来。
“Graph + AI峰会”致力于通过图技术加速人工智能行业的发展,推动图技术的大众化实践。今年,TigerGraph的CEO许昱、人工智能副总裁李永雄等高管将出席峰会,并携手银联、浦发银行、汉堡王、泰康在线、联通大数据、普华永道等知名企业代表,围绕图行业趋势、突出的实践案例,及图与人工智能结合的三大实用场景进行深度分享。“Graph + AI 2021中国峰会”将以直播的形式全球同步上线,四大主题板块,近20场直播分享。并同期在纽约、旧金山、北京开办线下论坛,线上线下多地联动,规模空前。
Graph+AI方兴未艾 数据价值赋能企业发展
大数据时代,企业数字化转型加速,数据的积累也达到前所未有的量级。“数字化转型需要更好的人工智能技术和关联数据,这些技术和数据需要利用功能强大的数据引擎来连接、分析和发现,甚至在云平台的架构中得以实现。”TigerGraph人工智能副总裁李永雄表示。
为了满足强关联数据存储、查询和大规模分析的性能需求,图技术应势发展,相比于传统关系型数据库,图数据库在关系数据的处理、分析上更具优势。比如,捷豹路虎通过与TigerGraph合作,将其供应链计划从原来的三周缩短至45分钟。捷豹路虎的数据分析总监Harry Powell表示:“与TigerGraph合作,我们可以将数据源连接在一起,并在数据中建立关联。这种关联我们以前是无法做到的,但现在我们可以解决过去20年来我们想都不敢想的问题。”
图技术赋能AI 企业级应用不断扩展
未来几年,数据分析产业将迎来巨变,中国企业采用图数据库的比例不断上升,图数据库作为传统关系型数据库优化方向,在有一定数据量积累的行业,TigerGraph可以提供更深入的见解和更好的业务效果。
如在金融行业,TigerGraph帮助中国银联布设智能化金融合规系统,从近60亿的关联关系中,有效识别不合规的复杂资金链路或团伙行为,规避潜在的金融风险。
在通信行业,TigerGraph利用图技术实时、高效、灵活的数据计算性能,帮助中国移动打造实时反欺诈系统,在每天3亿次数据更新情况下,保证业务极短的响应时间和极高的潜在风险侦测准确性。
在汽车工业领域,TigerGraph帮捷豹路虎完成供应链的模拟建模,将汽车制造行业复杂而庞大的供应链数据,以及外部风险数据,如消费者需求、社会经济环境等,以关联关系表示,实现通过模型模拟,将供应链计划的查询时间从三周缩短至45分钟。
此外,图技术还可以用在一些非典型的场景中。2020年,TigerGraph将图数据库技术开放给医疗、政府、非盈利机构使用,帮助他们进行Covid-19相关数据处理,在全球范围内防止Covid-19传播。今年初,TigerGraph与丹麦工业大学合作,将图技术与AI、机器学习结合,为儿童癌症患者绘制遗传物质结构图,并创建可预测急性淋巴细胞白血病治疗中复发和毒性风险的模型,用以模拟和改善急性淋巴细胞白血病的治疗效果。
“无论是在医疗保健、金融服务、电子商务还是能源领域,TigerGraph致力于通过图分析来分析数据之间的关系,从而帮助企业获得数据的最大价值,”TigerGraph的CEO许昱博士表示,“更好的决策和洞察始于高级数据分析,而TigerGraph通过分析互联和整合数据的关系以识别关系模式,帮助企业获取新的数据智能,为机器学习和人工智能奠定基础。”
携手合作伙伴 共赢未来市场
“Graph + AI峰会”聚焦图技术,汇聚了图领域应用端、开发端及合作伙伴,共同探讨图技术加速人工智能应用的发展前景。本届中国峰会,来自银行、保险、证券、制造、零售、医疗等行业的龙头企业,将分别分享图技术的经典应用案例。除此之外,TigerGraph今年邀请到的生态合作伙伴比往届更多,他们将从深厚的领域洞察出发,探讨图技术应用的新场景。而TigerGraph的图技术专家也将剖析图技术如何与AI、机器学习紧密结合,用生动专业的内容让更多人发现图技术的魅力与其带来的巨大价值。
许昱博士指出:“在中国,人工智能是引领未来发展的战略性技术,无论是技术层面还是产业应用的发展都走在前端。TigerGraph非常重视中国市场,也将继续携手行业合作伙伴,拓展图领域合作生态,充分发挥图技术与AI结合的作用,探索更多不同行业的应用实例,共同释放图的力量。”
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。