根据Wikibon发布的《2013年至2017年Hadoop-NoSQL软件与服务预测》一文的预测,Hadoop与NoSQL综合市场的整体份额有望在2017年突破30亿美元。Wikibon大数据首席分析师Jeff Kelly认为,推动市场蓬勃发展的主要动力在于相关技术趋势的重大转变,即由以甲骨文及Teradata为代表的传统关系型数据库向基于Hadoop技术且通常与NoSQL数据库相配套的方案转型。近来已经有一系列证据昭示出上述论断的正确性,其中包括甲骨文公司新近发布的数据库许可销售业绩令人失望以及Teradata公司在过去三年当中市值缩水超过60亿美元的残酷现状。
与此同时,包括发行版、支持服务订购以及相关专业服务在内的Hadoop市场则在刚刚过去的2014年当中实现了高达6.21亿美元的总体增长,其背后根源在于一系列企业客户开始以实验性方式将此类技术方案纳入业务流程——通常使用纯Apache Hadoop项目。随着此类实验性举措向正式生产环境的不断推进,Hadoop市场总额到2017年预计将达到目前的三倍、即接近17亿美元。
企业客户通常会将Hadoop与NoSQL数据库搭配使用,后者的供应商包括MarkLogic集团、Aerospike公司以及MongoDB等等,其主要特征在于拥有远超过传统数据库架构的出色灵活性优势。尽管这一市场目前还称不上成熟,但其迅猛的发展势头以及大数据技术逐步迈入主流预示着其总额由2014年的4.11亿美元增长到2017年的15亿美元是很有可能的。
成本、性能以及敏捷性成为上述新兴技术方案的主要普及动力。Hadoop市场的发展脚步一直受到技术自身成熟度较低以及高水平程序员及管理员匮乏等因素的严重制约。然而,随着这些问题逐渐得到解决外加更多以大数据技术为基础的产品方案不断投放市场,更多企业已经准备好在2015年将其纳入自身生产系统。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。