EMC公司今天发布联邦业务数据湖。这套完整的工程解决方案包括来自EMC信息基础设施、Pivotal和VMware的领先的存储及大数据分析技术,帮助客户利用大数据的新世界,从而扫清通向新洞察和颠覆性差异化道路的障碍。
方案可在短至七天内实施 ,联邦业务数据湖可极大简化构建一个数据湖所需的大量复杂任务,是专为企业需要的速度、自服务和可扩展性而设计,让组织能够通过使用大数据分析,开始更好地进行业务决策。作为一个来自EMC联邦的融合解决方案, 联邦业务数据湖将重新定义基础设施,最大化IT组织部署混合云和数据湖的速度和敏捷性,加入企业混合云解决方案。
大数据不可思议的潜力最初且最重要的是受传统应用、现代应用、传感器和智能设备数据增长驱动的,以及大量全新的公共数据,例如社交媒体订阅。基于廉价存储和无限计算的增长,以及通过新应用和产品让实时分析与直连行动成为可能的新技术,现在是有可能捕获并处理这类数据的。这些存储与分析技术,以及海量数据集共同组成业务数据湖。
业务数据湖正成为企业最优先考虑的事,因为它将填补传统数据仓库留下的一个关键空白。业务数据湖包含结构化和非结构化数据,来源各种各样,分析聚焦于建立模型以预测未来。成功部署数据湖的公司正利用数据和预测模型构建新产品、应用和业务模型,重新定义他们的行业,接管或延续其“市场领导者”的地位。
一个充分有效的业务数据湖将提供三项关键功能:
• 存储:面向所有种类的分析,存储许多不同数据源的结构化和非结构化数据,为分析用例提供所需的混合容量和性能。
• 分析:面向所有类型的分析场景,包括基于Hadoop的、In-Memory No-SQL和横向扩展MPP,提供现代化的数据管理和分析工具。
• 显露&行动:向用户提供数据和应用,实现结果的实时变化并影响关键决策。
直到今天,构建一个高效的数据湖一直都是困难且复杂的。对那些尝试部署数据湖的IT组织而言,他们必须为每个分析用例部署并配置正确的分析平台,以及相对应的存储,从Hadoop到实时。一旦环境被创建,数据必须在所有正确的访问权限和管理应用到数据集的情况下加载。环境和数据集的部署是一个复杂且耗时的任务,IT很难满足业务使用者的需求。
联邦业务数据湖解决方案
联邦业务数据湖解决方案让部署一个业务数据湖变得容易。核心产品来自EMC联邦公司,EMC信息基础设施、Pivotal和VMware,提供联邦业务数据湖的核心功能,满足关键需求:存储、分析、显露和行动。
联邦业务数据湖是一套完整的工程解决方案,能够快速自动化配置,让IT组织能够引领业务需求。分析层是完全虚拟化的,通过运行在Vblocks上的VMware实现,带预定义的分析用例,以及自动化安装与配置。EMC Isilon为数据湖提供存储基础,实现容量和性能的理想平衡。
分析层由Pivotal大数据套件,包括PivotalHD,世界领先的SQL-on-Hadoop引擎,HAWQ。Pivotal大数据套件提供企业级SQL,能在存储于Hadoop的数据基础上,与业内顶尖分析平台,如SAS、Tableau及其他实现无缝集成和互操作。EMC还提供两种额外的业务数据湖,为客户提供包括与Cloudera、Hortonworks在内的Hadoop 发行版集成的选项,以及未来任何基于开放数据平台的Hadoop发行版。
EMC数据湖服务:
一套完整服务和教育将与联邦业务数据湖一同可用,让处在大数据旅程不同阶段的客户都能够实施该解决方案,证明解决方案的价值并快速确定战略性的大数据用例,包括:
• EMC 技术管理服务:对那些准备好部署数据湖的客户,EMC技术管理服务提供完整的咨询服务,安装并部署联邦业务数据湖,优化分析环境,配置并自定义数据需求。
• EMC价值验证服务:对于那些知道用例但正寻求帮助,以部署最新的大数据分析,快速应用开发工具和技术的客户而言,价值验证服务论证了使用真实客户数据的特定用例的投资回报率。
• EMC大数据愿景研讨会:对那些尚未决定如何开始将大数据注入其业务策略的客户,EMC大数据愿景研讨会分析组织的战略、业务目标,然后划分特定用例的优先顺序,帮助组织开启大数据旅程。
• 教育服务:上述服务之外,EMC提供培训和认证,发展商业领袖和大数据实践者所需的从基础到高级的大数据和数据科学知识和技能。
供货:联邦业务数据湖将于2015年4月起定向供应一些国家。
客户证言:
“对那些一直寻求新收入流或节省成本的机会,保持市场地位的企业而言,像联邦业务数据湖这样帮助组织意识到大数据管理和存储新技术的解决方案是必不可少的。大数据解决方案让我们能够扩展我们的产品至包括Hadoop即服务在内,延伸Adobe数字营销能够为客户带来的价值。”——Adobe数字营销技术运营部总监 Dan Culter
分析师证言:
“连接设备的数量持续高涨,数字商业世界正扰乱传统的业务模式。现在不再是一个只与产品本身有关的时代了,而是与数据和数据的应用有关的时代。通过大数据,组织能够收集尽可能多的数据,采用分析技术理解数据,进行预测并采取行动,这样做的结果是新业务模式的产生。像联邦业务数据湖这样的大数据解决方案让组织能够将数据、分析和应用汇集,发展新业务机会。”——Wikibon大数据首席分析师Jeffrey Kelly
EMC管理层证言:
“几乎每一个传统的业务模式都面临着短期,持续的破坏。竞争优势的快车道将留给那些能够从大量增长的数据中快速拥抱并产生价值的企业。全新的联邦业务数据湖解决方案让利用所有种类数据,构建预测模型的过程更容易,使新应用、产品和业务模型能够重新定义行业。”——EMC全球解决方案部高级副总裁Josh Kahn
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。