MongoDB Atlas Search Nodes现已在谷歌云(Google Cloud)上全面推出,让客户能够更轻松、更经济高效地隔离和扩展生成式AI工作负载
适用于MongoDB Atlas的Google Cloud Vertex AI扩展以及BigQuery与Spark的全新集成,让客户能够更加无缝地利用其专有数据构建生成式AI应用程序
MongoDB加入谷歌云行业价值网络(Industry Value Network),并推出与谷歌云的生产数据引擎相集成的全新MongoDB Atlas,帮助企业构建行业特定解决方案
在谷歌分布式云端(Google Distributed Cloud)运行的MongoDB企业版数据库(MongoDB Enterprise Advanced)可帮助客户对应用程序安全性和数据隐私保护极为严格的要求
北京—2024年4月18日—MongoDB公司(纳斯达克股票代码:MDB)近日在2024 Google Cloud Next 大会上宣布将深化与谷歌云的合作,通过使用MongoDB Atlas Vector Search和谷歌云Vertex AI,更轻松、更具成本效益地构建、扩展和部署生成式AI应用程序,并对BigQuery数据处理提供额外支持。双方正在合作开发专门面向零售业和制造业的创新行业解决方案,通过深度产品集成和解决方案,为智慧工厂打造极具吸引力的购物体验和基于数据驱动的应用。MongoDB企业版数据库目前已在谷歌分布式云端(GDC)上推出,以满足需要运行高度敏感数据的工作负载的客户需求。
MongoDB全球合作伙伴执行副总裁Alan Chhabra表示:“MongoDB与谷歌云之间稳固的关系源于双方的密切合作,旨在共同满足各行业企业的独特需求。我们荣获‘谷歌云Marketplace年度合作伙伴(Google Cloud Partner of the Year - Marketplace)’这一殊荣,彰显了我们致力于为构建现代应用程序的客户提供最佳解决方案,同时,满足最高级别的安全和数据隐私要求。随着越来越多的客户选择MongoDB 和 Google Cloud,我们期待着继续加强双方的合作,通过新型生成型AI应用程序助力他们的业务增长。”
谷歌云迁移、ISV和Marketplace副总裁Stephen Orban表示:“很多客户都表示,需要在目前使用MongoDB这样的领先工具中集成世界级生成式AI。MongoDB和谷歌云已经帮助数千家双方共同客户成功地在谷歌云上使用MongoDB Atlas构建和部署应用程序。我们希望未来继续建立这种战略合作,并为开发人员提供更多方法,通过生成式AI快速高效地创建和增强应用程序,包括通过Vertex AI访问顶级模型,以及通过BigQuery访问自动化数据管道。”
自2018年合作以来,MongoDB和谷歌云已帮助数千家双方共同客户,其中包括Keller Williams、Powerledger、Rent the Runway和Ulta等,采用云原生数据策略实现了企业运营和终端用户服务的现代化。随着MongoDB与谷歌云合作的深入,将进一步助推客户实现:
MongoDB和谷歌云的深入合作得到了双方共同客户与合作伙伴的欢迎
成立于2009年的服装租赁公司Rent the Runway正在颠覆价值万亿美元的时尚业,并通过“云端衣橱”(Closet in the Cloud)重新定义女性着装,这是全球首个也是目前规模最大的共享设计师衣橱平台。Rent the Runway软件工程高级总监Mike Liberant表示:“在谷歌云上运行的MongoDB Atlas优势显著,因为它提供了一个完整的基础设施解决方案,解放了我们的运维工作,使我们能够专注于解决方案的研发和创新。具体而言,MongoDB Atlas帮助我们提高服装加工的效率和准确性,避免人为错误的发生,最终,我们就能为客户提供更优质、更迅捷的服务,让客户选择更多,花钱更少。MongoDB和谷歌云一直是我们强大的合作伙伴,为我们提供亟需的高品质服务和先进工具。”
全球数字化转型咨询公司Kin + Carta的主要业务是帮助企业实现业务现代化,更好地满足客户不断变化的需求。Kin + Carta全国谷歌云联盟(National Google Cloud Alliance)负责人Tara Catalano表示:“通过集成商务网络(Integrated Commerce Network),我们汇集了一流的软件合作伙伴,他们共同致力于简化端到端商务解决方案的构建过程。对于许多客户来说,最优解决方案的构建必须考虑到自己的实际需求,他们需要灵活性和更多选择,还要能够充分利用生成式AI带来的机遇,因此,MongoDB与BigQuery和Vertex Ai的连接和集成就成了一个极具吸引力的选择。”
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。