长久以来,数据仓库方案供应商Teradata公司对于大数据业务一直保持着宗教信仰般的虔诚态度。就在本周三上午,该公司又宣布对咨询企业Think Big Analytics进行收购,这一消息已经得到相关双方的确认。Think Big是一家颇具知名度的企业,专长于处理Hadoop及NoSQL类技术难题,主要业务为帮助客户将上述方案整合至现有数据架构当中。
自2010年建立以来,Think Big公司的客户清单中已经包含多家知名企业。本次收购交易完成之后,该公司仍将在Teradata的麾下独立运作。Think Big公司联合创始人兼CEO Ron Bodkin指出,他的公司将继续以客户具有以及希望使用的技术方案为关注对象,其中包括与Teradata构成竞争关系的其它数据仓库产品。值得强调的是,Think Big并不会代替Teradata公司内的相关团队、接手此类技术方案的部署工作。
“我们会坚持Think Big的原有任务及关注重点,绝不动摇,”Bodkin表示。
Ron Bodkin
相反,此次收购更像是Teradata表明态度的一种方式——其“一招鲜,吃遍天”的业务定位并不会影响到公司的长远发展。Think Big在未来很可能承担起超大规模、高复杂度基础设施的部署工作,而同样介入其中的Teradata则只是整套体系中的组成部分之一——虽然明显是最大而且最昂贵的组成部分。与此同时,以Pivotal、IBM以及甲骨文为代表的竞争对手们则不断推动数据分析系统方案集合的整体发展。甚至连Cloudera这样的新兴企业都通过打造自家数据仓库方案践踏Teradata的固有领土——虽然在地位方面无法与后者相提并论,但其卖点在于以更低价格为客户提供更为可观的存储规模。
Teradata在过去几年中一直致力于解决这些问题,第一步就是于2011年收购基于MapReduce的探索性分析初创企业Aster Data Systems公司。在此之后,Teradata又与Hadoop新兴企业Hortonworks建立起亲密的合作关系。双方的合作协议为Teradata、Aster以及Hadoop系统的数据查询机制带来新型技术方案,而Teradata也已经推出了自己的白标Hadoop设备、并运行有Hortonworks发行版。去年十月,Teradata宣称其平台将开始支持JSON文件,并于今年六月宣布将与MongoDB进行整合。
今年七月,Teradata收购了Hadoop元数据管理初创企业Revelytix,并顺带将SQL on Hadoop先行者Hadapt公司招至麾下(此次收购价格很低,颇有清仓甩卖之感)。Teradata公司大数据实践业务总裁Randy Lea指出,收购Revelytix的举措已经让Teradata在众多备选系统方案当中跻身最佳分析与数据管理供应商之列。他表示,Hadapt拥有“一些非常有趣的技术方案与专业知识”,Teradata也将在后续的发展规划中为这部分技术设定推进方向。我们可以大胆推测,Teradata完全可以在Apache Hive之外、利用更多原生SQL选项来对其Hadoop设备加以增强。
Lea同时指出,Teradata作出收购Think Big的决策考虑到一系列原因,其中包括后者在大数据通道及数据科学应用程序方面具备一定知识产权积累、能够提供帮助员工快速适应Hadoop运作机制的培训项目、Storm、NoSQL以及其它相关技术。事实上,Teradata公司内部对于Hadoop以及开源技术的大力支持将帮助其更好地将自有技术方案与客户需要的其它产品进行调整与融合,从而保证其能够在无需就使用开源软件说服客户的前提下为自己的产品找到拓展之路。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。