5月26日,2021中国国际大数据产业博览会(以下简称“2021数博会”)在贵阳开幕,并正式发布行业权威奖项“2021数博会领先科技成果奖”。华为云知识计算解决方案获得“黑科技”奖,华为云GaussDB(DWS)实时数仓实时数据分析技术获得“新技术”奖。
数博会是全球首个以大数据为主题的博览会,由国家发展和改革委员会、工业和信息化部、国家互联网信息办公室和贵州省人民政府共同主办,领先科技成果奖是数博会的重磅环节之一。本次斩获奖项的产品为华为云创新的人工智能和大数据服务,具备业界独创性和领先性。
知识计算解决方案,助力企业知识化转型
2020年,华为云发布业界首个全生命周期知识计算解决方案,该方案以华为云一站式AI开发平台ModelArts为基础,包含知识获取、知识建模、知识管理,以及知识应用四大模块,覆盖知识在企业生产环节中的全生命周期。
基于华为云知识计算解决方案,企业可以打造自己的知识计算平台,整合分散在不同介质、不同形态的企业数据,形成带有建议性的知识,实现知识的主动推荐、辅助推理与决策,进而提高企业的经营效率,可广泛用于研发、生产、运营、销售、售后服务等企业核心流程。目前,在石油、汽车、医疗、化纤、煤焦化、钢铁、交通、金融等行业已有广泛实践。
在汽车行业,中国第一汽车集团有限公司应用华为云知识计算解决方案构建的一汽知识计算平台,基于业务场景,将知识便捷地、以数字化的方式呈现在使用者眼前,实现对员工的快速赋能。通过使用一汽知识计算平台,一汽红旗试点4S店的一次性修复率提升了4%,客户维修等待时间下降了23%,厂家支持介入率下降了30%,维修技师的培养时间缩短了30%。
华为云GaussDB(DWS)实时数据分析技术
为了响应政企用户在IoT和运维监控等场景下对数据仓库时效性的需求,2020年华为云发布了GaussDB(DWS) 实时数仓新品,其具备快、易、简、省四大特点:
1)快:实时数仓时序数据单机入库性能支持每秒10万条数据、每秒60万条流数据持续计算入库,并可线性扩展。
2)易:支持基于SQL完成复杂流式计算语义定义,简化开发。以Druid监控的一个场景为例,仅用150行SQL代码实现了原有1900 行Druid脚本同样的功能。
3)简:实现了1 = N。在一个平台内,同时实现Flink/Spark Streaming(流数据处理)+Druid(流数据预聚合)+InfluxDB(时序数据处理),简化了开发和运维工作。
4)省:时序数据经过实时数仓的自适应压缩算法,最高可达40:1的压缩比,将多维度行列存储优化,数据冷热温自动分区,极大地减少存储空间,节省用户成本。
华为云GaussDB(DWS)实时数据分析技术,在已支撑1000+大客户核心业务运行的标准数仓架构上进行演进,具备企业级内核的关键能力(高性能,高扩展,高可用,融合分析,智能运维)。针对实时数据分析场景,在统一架构下增加时序引擎和CEP引擎,实现T+0的实时数据与历史数据关联分析能力。该架构首创性的把多引擎融合在一起协同工作,在OLAP引擎基础上进行扩展,通过插件的方式扩展CEP引擎和时序引擎,使得数据在集群内流动,一数多用,高效多维度分析。
在金融、5G、物联网、人工智能等领域,企业可借助华为GaussDB(DWS)实时数据分析技术,实现对时序数据和流数据的实时监控,实时分析,实时推荐等,助力企业在智能数据时代创造更多业务价值。当前华为云GaussDB(DWS)实时数仓已在华为流程IT运维大数据平台上线使用,解决了时序数据和流数据在业务使用中“装不进”“算不动”的挑战,真正做到实时入库持续计算。
截至目前,华为云已经在全国10多个行业超过600个项目进行了人工智能落地和实践,帮助城市、交通、制造、医疗、钢铁、纺织、能源、金融等行业智能升级。未来,华为云将持续通过技术创新,驱动产业智能升级。
好文章,需要你的鼓励
萨提亚回忆起90年代在微软评审会上听到的场景。Gates当时说:"软件只有一个品类--信息管理。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
Anthropic周一发布了旗舰模型Opus 4.5,这是4.5系列的最后一个模型。新版本在编程、工具使用和问题解决等基准测试中表现出色,是首个在SWE-Bench验证测试中得分超过80%的模型。同时推出Claude for Chrome和Claude for Excel产品,分别面向不同用户群体。Opus 4.5还改进了长文本处理的内存管理,支持付费用户的"无限聊天"功能,并针对智能体应用场景进行了优化,将与OpenAI的GPT 5.1和谷歌的Gemini 3展开竞争。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。