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
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。