SAP近日宣布推出新的SAP Datasphere平台,帮助企业消除访问和使用分散不同系统的数据的复杂性。
SAP Datasphere是下一代的SAP数据仓库云,旨在连接、协调和分发来自SAP和非SAP应用数据的主要集成点。SAP表示,Datasphere建立在SAP Business Technology Platform平台上,平台提供了强大的企业安全功能包括数据库安全、加密和治理。
Datasphere平台的设计不仅是提供对业务数据的轻松访问,SAP还与行业领先的数据分析公司展开合作,包括Collibra、Confluent、Databricks和DataRobot,帮助企业利用他们的数据做更多的事情。
SAP称很多企业在访问分布于云提供商、数据厂商和本地系统中的数据、并将这些数据集成时遇到了困难。SAP表示,客户不得不从原始来源提取数据并将这些数据导出到一个中央位置,而这样会失去关键的业务环境,必须通过专门的IT项目和人力重新获取这些数据。
SAP Datasphere消除了大部分这类手动工作,为企业提供了一种更简单的方法来构建具有完整业务上下文和逻辑的业务数据架构。SAP表示,企业可以有很多方法利用他们的数据。
SAP公司首席营销官、首席解决方案官Julia White在媒体发布会上表示:“数据优先是关键,数据管理和分析已经成为企业的决定性资源,而实现这种无缝数据访问非常困难。”
White表示,SAP Datasphere不仅仅是SAP Data Warehouse Cloud的品牌重塑,还引用了平台中的新功能例,如可以自动发现、管理和治理数据的数据编目功能。她还提及该平台简化了数据复制功能,能够实时交付数据和数据的持续更新,以及增强的数据建模,可保留来自SAP应用的数据业务上下文。
她说:“这是我们新一代的数据技术。”
SAP还谈到了他们的战略合作伙伴关系,承诺这将帮助全球数百万用户做出明智的业务决策。例如,Collibra正在计划围绕SAP Datasphere进行量身定制的集成,以帮助客户构建一个完整的数据目录,并在整个数据环境中进行数据沿袭,帮助他们制定数据治理策略。
其他合作伙伴还包括Confluent,该公司将实时数据流平台连接到SAP Datasphere,让客户能够使用这些信息来支持智能应用。与此同时,Databricks公司表示,他们的客户能够将Data Lakehouse与SAP集成,在保留语义的情况下更轻松地共享数据。还有DataRobot公司,将在SAP Datasphere平台上提供机器学习功能。
Datasphere平台的早期采用者包括Messer SE & Co. KGaA 旗下的工业气体公司Messer Americas。该公司首席信息官David Johnston表示,公司希望实现简化对SAP和非SAP数据的安全访问,加强组织内数据驱动的决策制定。该公司使用SAP Datasphere构建了一个现代数据架构,以维护整个企业数据存档的上下文。
Johnston表示:“从根本上说,数据会成为企业发展提速的一大障碍,Datasphere是我们推动转型的一个催化剂。”
SAP Datasphere现已可用,现有的SAP Data Warehouse Cloud客户可以立即升级到新平台,无需额外的步骤或迁移。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。