近期,新华三集团副总裁、大数据产品线总裁孙德和与新华三集团大数据产品线总工杨新安接受了包括至顶网等媒体的采访,阐述了2018年新华三大数据产品从技术到应用创新的变化。
新华三要做大数据行业解决方案提供商
孙德和表示新华三从成立以来就看到大数据这个战略方向,迅速地成立并投入大数据产品线,经过2017一年的发展,新华三正式发布包含8大引擎在内的大数据产品DataEngine。八大引擎实际上是完善了大数据平台的能力,通过八大引擎,新华三在大数据平台领域处于领先地位。2018年新华三要做的是通过八大引擎引入行业数据,推出五个行业(政务、教育、公安、医疗、工业)数据引擎,通过新华三的大数据平台和技术能力,以及分析、加工、关联能力基础上,满足行业的需求,提供一整套的解决方案。可以看到的是,新华三逐步从大数据平台及数据服务提供商向行业解决方案提供商进行演进。
对于成为大数据行业解决方案提供商这个角色,孙德和认为大数据跟行业用户的应用、业务相关度非常紧密,每个项目实施都需要跟用户的应用业务紧密配合,而新华三通过对大数据技术以及行业发展的深刻理解和应用实践,基于DataEngine大数据平台打通了从数据源到行业应用之间的数据通道,能够帮助用户采集、处理、管理数据源中的不同类型数据,数据采集效率、应用开发效率等都有了显著的提高。并且该平台还可以根据不同行业大数据应用的特性需求,进行数据挖掘和个性化展现。
同时孙德和认为,新华三的发展需要一个健康的合作伙伴生态。新华三通过一年多对市场的耕耘,了解到很多客户希望与有实力并且能持续发展的企业来承担创新的项目。在这种情况下,新华三大数据平台跟软件应用的ISV合作成为很重要的战略方向。目前新华三大数据平台上的现在应用商店里已有几百个行业应用,涉及到几十个细分的子行业。
新华三核心是解决行业大数据易用性问题
基于对行业和技术的深刻理解,新华三大数据产品核心是帮助行业用户解决大数据使用过程中易用性问题。新华三集团大数据产品线总工杨新安表示:新华三八大引擎组合起来的大数据平台从技术上就是朝着易用性去做的,八大引擎的组合解决了行业市场使用大数据工具过程中出现的不太易用的问题。
新华三大数据平台在背后所要做的事情,首先是提供优秀的大数据工具。在这个工具基础上通过提高算力的性能,来实现性能优化,传统上用几十台服务器集成起来的性能,新华三通过十几台就很好的解决了算力问题。其次优化了人力成本。传统的大数据平台,每个组件都要有人去维护,可能需要五六个人。新华三提供的服务运营解决方案,包括数据的运营管理、资源的运营管理,一个人就能解决平台的维护问题。在这样的基础上,算力也能成倍的提高,这是新华三大数据整个方案最核心竞争力的优势。
再次,新华三逐步形成了行业的解决方案,将政务、高校、公安、医疗等各个行业场景化,建立的模型和算法固化之后,可以真正作用在行业市场。基于行业场景化开发最上端的人机界面和最终交互应用就非常会变得更高效,原来可能需要一个月、两个月交付,现在半个月结果就出来了。新华三一直都专注于产品技术、应用功能等核心竞争力的提升,了解行业客户、联合生态合作伙伴,让应用和交互更简洁、更易用,算力更快。
未来,行业大数据与人工智能深度融合成为趋势
孙德和认为大数据的发展也好,人工智能技术的发展也好,脱离了具体的行业应用就没有意义。新华三未来会进一步加大投入大数据在人工智领域的发展。从技术本身来讲,数据集中到数据产生价值的过程,也就预示着大数据从传统的数据分析、简单的关联能力向人工智能转变。有了大数据全量数据资源之后,人工智能基于全量数据集可以变得更有灵活性。所以,新华三大数据下一步在人工智能方面加大投入的方向是继续基于行业的场景化来实现大数据的价值。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。