伴随着AI大模型风口崛起,人工智能技术的企业级应用百花齐放,成为当代商业效率升级的重要手段之一。然而对于很多企业来说,庞大的数据规模和算法研发门槛仍然如同天堑,行业期待数据与智能齐备的新型AI服务。

天云数据是国内鲜有的,能同时提供数据基础设施和数字原生全产业服务链的科技公司。秉承“数据+智能”的理念,致力于AI-Native数据库和人工智能软件的研发与创新,以推动企业向数字原生迈进,赋能产业数字化转型。
在第二届光合组织AI解决方案大赛上,天云数据的通用PaaS化AI建模平台产品——MaximAI,为企业AI能力建设交出新的答卷,并在众多参赛方案中脱颖而出,录入大赛获奖榜单。
“MaximAI是一个涵盖机器学习、研发、运营的一体化平台,我们可以用这个平台为企业提供全方位的AI赋能。”天云数据首席数据科学家吕慧介绍,MaximAI旨在突破 Hadoop/Spark 的使用瓶颈,进一步降低 AI 落地成本,实现 AI模型标准化、流程化、批量化生产,让每家企业都拥有开箱即用的AI能力。
基于用户的AI应用需求,MaximAI在场景实践中带来多重产品价值:比如平台利用分布式架构,支持进行海量数据的全量数据无偏建模,保证数据价值得到深度挖掘;不熟悉编程的普通业务人员也可操作建模,大幅降低建模人员门槛;通过拖拉拽的方式即可完成模型流水线化上线,避免不同团队之间的知识壁垒与矛盾,加速知识应用;支持对数据的统计分析和可视化探查等功能,实现建模流程可回溯,模型可复用等。
从企业的生产制造、供应链、营销与销售、交付与服务等价值链,每个环节都存在可利用 AI 改善的空间,而MaximAI可以在业务线上降本增效,满足了业务爆发的需求。更长远看,MaximAI 可提升模型性能、可扩展性、可解释性和准确度,还能优化资源配置,提升模型开发效率和业务敏捷度,这无疑实现了 AI 价值的最大化。
“要让AI走进千行百企并不简单。”天云数据数据库研发负责人乔旺龙表示,天云数据为客户提供的是一站式的建模流程,这要求平台不仅要在功能上做到横向的全覆盖,同时也要在行业领域上进行纵向的扩深。
在服务金融领域时,天云数据根据银行、券商等各类客户需求场景,在工程平台上一次性开发了几百个量化算子。接下来在服务其它客户时,这些积累的量化算子可以帮助天云数据快速切入到新用户的场景中,再次进行复用并释放价值。
在连接用户业务场景的过程中,软硬件之间的兼容问题也变得更加突出。尤其对于金融等信创领域,能否适配到性能可用的国产硬件底座,是AI迈向千行百业的关键。对于天云数据来说,海光为MaximAI的落地提供了很好的支撑。
“我们早在2017年就与海光开展了项目上的合作,并在2020年完成产品的兼容性适配。”吕慧指出,在兼容性以及设备性能方面,海光产品的友好度非常高。“比如服务器性能方面,根据前端技术人员的反馈,海光服务器性能比其它服务器起码提升了10%。”
值得一提的是,天云数据与海光进行产品认证时,还得到了多项软硬件资源的支撑以及技术支持,包括安排专人为天云数据提供技术答疑、专项资源对接等。“因为数据库对于硬件设备的要求非常高,有时候还需要再底层技术上做一些变动,这样才能在这个设备上运行的更好。所以海光对我们的支持非常重要。”吕慧表示。
目前,MaximAI已经可以支持云原生 AutoML、多算法框架的训练和发布、多国产芯片支持、云边一体的应用发布部署。天云数据业已为超过50+家五百强及上市公司提供服务,涉及金融、科技、石油、电力、生物医药等多个领域。“
作为第二届光合组织AI解决方案大赛奖项得主,非常感谢大赛为MaximAI提供了一个展示成果的舞台,同时也让天云数据与海光等生态伙伴的合作更加深入。”吕慧对接下来的赛事非常期待。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。