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
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。