- 综合排序
- 最热优先
- 最新优先
- 来自专栏YashanDB技术解读
YashanDB：助力企业攻克AI时代数据管理难题，拥抱智能转型
GenAI时代，AI技术爆发式发展，数据库行业与企业共同面临着“如何与AI深度共生”的时代命题。 01 我们看到了什么：AI时代，大数据3V挑战全面升级随着AI技术的深度渗透，传统的大数据3V挑战——Volume（体量大）、Velocity（速度快）、Variety（多样性）被赋予了全新的内涵，成为 02 我们这样想：构建智能多模态数据管理平台助力破局面对AI时代的挑战，崖山主张跳出传统数据库框架，以基础设施层、运维层、应用层的全栈架构重构数据管理平台，打造多模态融合、智能自治、开放易用的核心竞争力 03 总结：拥抱变革，共赢智能时代从传统关系型数据库到智能多模态数据管理平台，数据库的核心使命正从“数据管理”转向“业务赋能”。 未来，YashanDB也会基于智能多模态数据管理平台持续深化AI能力，为企业提供智能数字化基石，助力企业抢占AI转型先机。
35210编辑于 2025-05-27 腾讯云与MongoDB战略合作升级，瞄准AI时代的数据管理服务
2025年3月20日，腾讯云与MongoDB联合宣布续签战略合作协议，双方将围绕AI时代的技术变革为全球用户提供卓越的数据管理服务。 AI将是双方这轮合作周期的重点方向。腾讯云将受益于更多功能，包括全文检索/向量检索等，以支持更多应用场景和应对AI时代的技术挑战，帮助客户快速构建更加现代化的数字应用。
35910编辑于 2025-03-26- 来自专栏腾讯云数据库(TencentDB)
腾讯云与MongoDB战略合作升级，瞄准AI时代的数据管理服务
2025年3月20日，腾讯云与MongoDB联合宣布续签战略合作协议，双方将围绕AI时代的技术变革为全球用户提供卓越的数据管理服务。 AI将是双方这轮合作周期的重点方向。腾讯云将受益于更多功能，包括全文检索/向量检索等，以支持更多应用场景和应对AI时代的技术挑战，帮助客户快速构建更加现代化的数字应用。
61320编辑于 2025-03-20 - 来自专栏CSDN技术头条
云时代大数据管理引擎HAWQ++全面解读
HAWQ++展望 目前HAWQ++还在持续不断的开发过程当中，在不久的将来会推出高性能执行引擎以及添加update/delete 功能，成为云时代大数据管理引擎当之无愧的领跑者。
1.9K50发布于 2018-02-13 - 来自专栏Apsara
多云时代-着眼布局开源技术之多云数据管理
目前大家都在谈数字化转型——似乎这又是一个不谈就会落伍的概念，数字化转型时代热词：上云、混合云、工业互联网、两化融合、边缘计算、智能制造等。数据是联通和实现这一切的基础，数据的重要性不言而喻。 我在上一篇文章《云智能时代，开源软件的演进历程》中就提到过，未来需求场景将会以数据智能、技术产业场景协同为主。 多云数据管理解决的问题 l 数据孤岛 l 数据融合、数据分析 l 数据灾备（备份、迁移、复制） 多云数据管理的优势 l 自由选择最佳云提供商 l 数据移动性无需担心云/存储提供商锁定 l 通过多个云架构分布的数据集增强数据可用性和持久性 AI模型训练 l 异地分支机构数据统一管理 广义和狭义多云数据管理平台 笔者经过调研认为多云数据管理平台分为广义与狭义，狭义多云数据管理平台主要包含多云对象存储管理及北向应用接口层，而广义多云数据管理平台不仅包含了狭义的多云数据管理部分 所以说多云数据管理为存储发展指明了方向，在多云时代，数据不仅仅是存，还要本地与云端交互，让数据流动起来，发挥最大价值。
66501发布于 2020-04-14 - 来自专栏腾讯云TVP
多云时代-着眼布局开源技术之多云数据管理
目前大家都在谈数字化转型——似乎这又是一个不谈就会落伍的概念，数字化转型时代热词：上云、混合云、工业互联网、两化融合、边缘计算、智能制造等。数据是联通和实现这一切的基础，数据的重要性不言而喻。 我在上一篇文章《云智能时代，开源软件的演进历程》中就提到过，未来需求场景将会以数据智能、技术产业场景协同为主。 多云数据管理解决的问题 l 数据孤岛 l 数据融合、数据分析 l 数据灾备（备份、迁移、复制） 多云数据管理的优势 l 自由选择最佳云提供商 l 数据移动性无需担心云/存储提供商锁定 l 通过多个云架构分布的数据集增强数据可用性和持久性 AI模型训练 l 异地分支机构数据统一管理 广义和狭义多云数据管理平台 笔者经过调研认为多云数据管理平台分为广义与狭义，狭义多云数据管理平台主要包含多云对象存储管理及北向应用接口层，而广义多云数据管理平台不仅包含了狭义的多云数据管理部分 所以说多云数据管理为存储发展指明了方向，在多云时代，数据不仅仅是存，还要本地与云端交互，让数据流动起来，发挥最大价值。
3.8K62发布于 2020-03-20 - 来自专栏QQ大数据团队的专栏
TBDS Metaservice 引领新时代的元数据管理创新
TBDS Metaservice 通过统一代理这些不同的 Hive Metastore 服务，实现了跨集群的元数据管理。 AI 场景元数据管理 Fileset Catalog 是 TBDS Metaservice 的核心组件，专门负责管理和组织非关系型数据。 总结和展望 通过 TBDS Metaservice，用户既可以利用现有的技术资产，进一步提升既有平台的价值；同时能将平台升级成为满足大数据新时代需求的新形态。 AI 大模型元数据管理 随着大模型（LLMs）的迅猛发展，AI 大模型在大数据领域的应用也逐步浮现出来。 这对于模型本身的元数据管理也提出了进一步的需求。在未来的版本中，针对 AI 大模型的元数据管理使用的需求，TBDS Metaservice 将提供相应功能，帮助用户在更好地管理和使用 AI 大模型。
83810编辑于 2025-01-11 元数据管理决定AI扩展规模
元数据管理走向AI规模挑战的中心元数据管理已经成为区分AI系统能否成功扩展的实际分界线。随着各机构将AI从实验推向持续生产，限制因素不再是模型本身，而是对庞大杂乱数据资产的可见性。 他在数据平台峰会上的独家直播中讨论了元数据如何成为在日益增长的混合数据环境中扩展AI的基础。 为什么元数据管理现在决定了AI的规模随着AI工作负载成倍增加，各机构发现仅仅存储更多数据并不能转化为更好的结果。 该首席技术官解释说，元数据管理正成为连接组织，使基础设施、数据工程和AI团队能够在共享上下文中工作，而不是各自为政的假设。 我认为在2026年，会有更多的关注点落在元数据和元数据管理上。我认为这确实很关键。”以下是完整的视频采访，属于某媒体对数据平台峰会报道的一部分。图片： 某媒体FINISHED
3610编辑于 2026-04-25- 来自专栏量子位
AI的大模型时代 ≠ 只有大模型的AI时代
某芯片大厂就推出了一连串的AI实战手册，分别锁定制造与能源、医药、金融、交通与物流，以及教育行业的AI实践。 所以，AI不是只有大模型。AI的大模型时代也 ≠ 只有大模型的AI时代。 成熟的AI，早就已经上岗了 或许你还不敢相信，现在哪怕小小的快递背后，都已经有AI技术在加持了。 不过朋友，这还仅仅是AI加速千行百业的一个案例，其实我们现在每天的出行，同样也是充斥着AI的“味道”。 例如AI视频分析技术，可以针对高速公路上的路况做到实时地分析。 简单归结：至强®️ 可扩展处理器及其内置的AI加速器，以及OpenVINO™️ ，oneAPI等一系列AI框架和优化软件打辅助。 当前影响AI应用性能的要素无非两个：算力和数据访问速度。 这便是英特尔在AI大模型时代中的“加速之道”了。 还会带来怎样的变革？ 纵观AI技术的发展之路，不难发现英特尔在其中履行着一条非常清晰的准则——用起来才是硬道理。
66410编辑于 2023-09-27 - 来自专栏大数据文摘
AI时代的漫谈
自此，AI看上去不再那么像泡沫，也开启了我们对AI的无尽想象！ 对于大部分人，隐约感觉到的是，风口已来，风暴已来，有对未来科技的美好想象，还有对于未知力量的一些恐慌。 与互联网带来的信息革命一样，我们可以很容易通过搜索引擎等渠道获得信息及知识，现如今利用这样的AI搜索引擎，我们可以通过更为人性化的对话交互，定位到我们问题对应的答案，可以更为便捷地获取经过高度总结知识点 资源聚集、垄断效应会增强 AI或者更为普遍概念的科技带来的效率提升，往往也会导致资源更加的聚集。 从社会层面来看，试想 一旦AI替代了一大部分的工作，效率提高的同时，社会收益还可以容易被个体垄断着。 此次的ChatGPT为代表的人工智能带来了巨大的技术变革，可以提供大量高价值的信息，好在当前AI还没达到完全取代人的地步，还需要发挥人类的主观能动性去解放生产力，整个项目的计划实施也是需要具体去把握的。 但如今只凭过去学习技能就完全不够了，「更核心的是通过对需求的敏感观察，利用好AI获取信息，创新地整合资源来创造价值。」 总之。现在信息壁垒已经大大解决了，就看各人的领悟。
33010编辑于 2023-04-10 AI 时代的我们
这不是一个细枝末节的变化，而是一个清晰的信号：我们正式的进入一个新的工作范式——Vibe Coding 的时代。 接下来，我想从自己的经历出发，谈谈对这个时代的一些观察。 今年，我使用 AI 工具编写的代码量，已经远远超过了我自己亲手敲下的代码量。越来越多的时候，我的主要任务不是写代码，而是向 AI 描述需求。 所以 Vibe Coding 的核心不是“让 AI 接管”，而是“让使用者掌控”。 我很早就开始使用 AI 做编码工作。 无论是医疗、教育还是金融，AI 都正在深入其中： 医疗影像的辅助诊断 个性化的自适应学习系统 毫秒级的市场分析与决策 每一个行业都在重塑自己。 我们身处一个高速变化的时代。 如果我们能够掌握与 AI 协同的能力，能够拆解任务、表达需求、审查结果、训练自己的数字助手，那么我们就能在这个时代获得前所未有的力量。 这是一个“超级个体”崛起的时代。
25320编辑于 2025-11-28- 来自专栏企业数字化转型
大数据时代下，医疗行业数据管理该如何进行？
信息时代的到来让数据的价值在越来越具象和严苛的需求中日渐凸显，并一跃成为各行各业建设与发展所需的重要资产。 02.jpg 而在电子病历时代，为满足患者个人终生健康需求，以及支持大数据时代的医学研究，人们期望医疗数据的保存期限可以延长到100年以上，甚至是“无期限”。 数据管理要分三步走 数据是基础，有了数据才有协同、流程和智能。不管是智慧医院、智慧医保，还是AI人工智能，它们的根基都是数据。 3、建立数据管理平台 医疗信息化发展主要分为几个阶段，刚开始是智慧医疗阶段，建设并完善临床诊疗、运营管理、科研教学、患者服务等数字化能力，此阶段是医院的初级阶段。 构建数据管理平台是医院信息化发展的必经之路，包括搭建信息集成平台和医疗数据平台。利用医院已经规划好的服务机制、体制和系统，为患者提供更多便利，同时提高精准医疗水平。
1.4K40发布于 2021-11-12 - 来自专栏全栈程序员必看
数据时代大数据管理，主要有哪些策略？「建议收藏」
1.对大数据时代的大数据管理框架进行创新 在大数据时代的大数据管理形式不断发展过程中，给企业发展带来冲击非常巨大。 其实，大数据时代的大数据管理最主要的目的，就是将大数据的价值进行充分的展现。 另外，在大数据时代的大数据管理框架不断创新的过程中，有效的实现了大数据共享等性能，不断扩大了大数据时代的大数据管理的内容，对我国现代化信息技术的发展，起到了重要的作用和意义。 大数据时代的大数据管理中的内容管理是指：企业对大数据进行不断的获取、使用、存储、维护等工作活动。因此，传统的大数据时代的大数据管理形式，已经无法满足对这个时代发展需求。 因此，本文对大数据时代的大数据管理发展的历程进行了简要的分析，并对大数据时代的大数据管理形式，提出了一些可参考性的建议，只有对大数据时代的大数据管理形式，进行不断的创新，对大数据时代的大数据管理框架，进行不断的构建
81020编辑于 2022-06-28 - 来自专栏AI科技时讯
向量数据库：人工智能时代的数据管理革命
向量数据库：人工智能时代的数据管理革命 在人工智能时代，向量数据库已成为数据管理和AI模型不可或缺的一部分。向量数据库是一种专门设计来存储和查询向量嵌入数据的数据库。 这些向量嵌入是AI模型用于识别模式、关联和潜在结构的关键数据表示。随着AI和机器学习应用的普及，这些模型生成的嵌入包含大量属性或特征，使得它们的表示难以管理。 这将使得能够更快地部署人工智能（AI）解决方案。 由于它们在处理高维数据和实现复杂分析方面的卓越能力，向量数据库在数据管理方面具有革命性的影响。更好的相似性搜索和匹配以及查询效率等好处对许多行业的组织来说都具有巨大的价值。 或者对其他未提及的AI工具有什么经验分享？
85310编辑于 2024-05-18 AI 正在从“模型时代”进入“系统时代”
摘要但从工程视角整体审视，会发现一个高度一致的信号：AI的竞争焦点，正在从模型能力转向系统能力。本文作为专栏收束篇，对这一趋势进行系统总结。 一、模型时代的典型特征模型时代的核心关注点是：参数规模推理速度多模态能力工程结构相对简单：展开代码语言：TXTAI代码解释输入→模型→输出这在实验和Demo阶段非常有效。 三、系统时代的AI架构轮廓我们可以用一张简化架构图来描述系统时代的AI：展开代码语言：TXTAI代码解释用户意图↓AgentRuntime↓调度/协作/状态↓工具系统/模型系统↓反馈与校验注意：模型被包裹在系统之中 来自智能体来了（西南总部）的总结性判断是：AI的下一阶段，比拼的不是“谁更聪明”，而是“谁更稳”。 结语如果说模型时代拼的是“突破”，那么系统时代拼的是“长期可用”。AI的未来，不是更大的模型，而是更可靠的系统。
16210编辑于 2026-02-02- 来自专栏云计算D1net
移动与云技术时代下的数据管理怎么搞
演进而非革命 我们用于显著改善数据管理并支持电子发现、合规性要求、数据碎片处理以及网络安全与威胁响应等任务的标签数量并不像大家想象中那么复杂。
2K60发布于 2018-03-23 - 来自专栏微言码道
AI时代，英文为王？
如果AI时代不可避免的来临了,按照当前这样的趋势, 英文将成为AI中的绝对语言,包括中文在内的其它语言都不可避免的重要性大大降低. 中文的困境 除非国内的大模型能有所突破,或迎头赶上, 否则AI时代的中文必然会面临困境. 结合现在互联时代中文问题,AI时代这个困境可能只会加深,表现在: 中文内容质量低下 好吧,虽然这个结论有些伤人,但我们很多人都能感受到互联网上中文内容的质量低下化这个趋势. 中文因为有14亿人的使用,及近五千年的文化沉淀(比如文言文,诗, 词等),使它独具魅力,但如果AI时代英文为主,中文未来的趋势不容乐观. 不要说AI, 就是现在的互联网, 如果懂英文, 能更容易接触到高质量的内容, 查找东西更省时省力, 学习到的都是有更有价值的内容. 有人说AI时代不用学习英语,我认为这不会成为事实.
74410编辑于 2023-08-31 - 来自专栏老张的求知思考世界
AI时代，我们该何去何从？
在这篇文章中，他没有谈及过多的AI细节，而是平静的阐述了他对于AI的判断，过去几年在OpenAI的工作经历，以及遇到的一些挑战。 我们需要以更加积极主动开放的心态，学习AI、了解AI、使用AI、拥抱AI。 2、大众对新事物的恐惧往往强于兴趣，而大众也往往在每一次技术革命发生后，扮演者用户和落后者的角色。 如果你抗拒新事物的出现，抵触它进入你的生存环境，在事实上你已经被时代所淘汰。 3、很多人担心AI不断发展下去，自己会失业。然而事实是，无论AI是否出现，35岁失业危机，是一个全球范围内都很无解的问题。 对此我的建议是：保持对AI的敏感和好奇心，主动学习和了解AI，并将其应用于探索自己的第二曲线。 对于到AI时代，第一类人是深度参与大模型研发这一批顶尖人才；第二类则是围绕AI进行相关商业化探索的人；第三类则是愿意积极使用并拥抱AI的人。我想，至少我们应该成为第三类人。
28610编辑于 2025-07-29 AI 如何让数据管理效率提升 10 倍？
作者介绍：崔鹏，计算机学博士，专注 AI 与大数据管理领域研究，拥有十五年数据库、操作系统及存储领域实战经验，兼具 ORACLE OCM、MySQL OCP 等国际权威认证，PostgreSQL ACE 从自然语言查询到智能运维，从跨域数据协作到实时决策支持，AI 正在重塑数据库的每一个细胞。本文将带你直击 2025 年最前沿的技术突破与行业实践，揭秘 AI 如何让数据管理效率提升 10 倍。 四、未来趋势：Gartner 十大预测与 AI 原生时代 根据 Gartner 2025 年中国 AI 十大趋势： 开放式 GenAI 模型：到 2026 年，50% 的 AI 产业生态将基于开源模型构建 ，推理成本降至传统方案的 3%； 代理型 AI 崛起：2028 年 33% 的企业软件将包含 AI 代理，处理季度财报时间缩短 80%； 工程化能力优先：AI 模型开发从 “追求参数规模” 转向 “优化工程实现 数据与 AI 的‘双向奔赴’ 数据库与 AI 的融合已不再是选择题，而是企业生存的必答题。
50810编辑于 2025-08-27- 来自专栏肉眼品世界
数据管理之元数据管理
如果在建立数据集市的过程中，注意了元数据管理，在集成到数据仓库中时就会比较顺利；相反，如果在建设数据集市的过程中忽视了元数据管理，那么最后的集成过程就会很困难，甚至不可能实现。 2. 数据仓库环境下的元数据管理系统的建设是十分困难的。 可是在与之相关的工具成熟之前，我们完全可以采用OIM中的元模型（因CWM对OIM是兼容的）以及支持它的元数据管理工具进行元数据管理系统的建设，而且元数据所包含的范围很广。 08 元数据管理产品设计 元数据管理的应用通常一款元数据管理工具应具备元模型设计、元数据采集、元数据分析、数据地图展现等核心功能。 数据管理平台提供各类元数据管理，包括：业务元数据、技术元数据和管理元数据，支持元数据的基本信息、属性、依赖关系、组合关系的增删改查操作。
9.1K40编辑于 2021-12-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号