一周大數(shù)據(jù)行業(yè)消息速遞
本周點(diǎn)評(píng)
01
AI在網(wǎng)絡(luò)安全領(lǐng)域呈現(xiàn)出極具影響力的“雙刃劍”（擴(kuò)展攻擊面VS升級(jí)防御手段）特性,，將成為高潛力發(fā)展方向,。隨著深度偽造、自動(dòng)化惡意代碼等新型攻擊不斷涌現(xiàn),，企業(yè)對(duì)實(shí)時(shí)監(jiān)測(cè),、合規(guī)管理和前沿安全技術(shù)的需求同步提高。生成式AI加劇攻擊規(guī)模與復(fù)雜度,。生成式AI可快速產(chǎn)出高復(fù)雜度惡意代碼,，并結(jié)合深度偽造手段在極短周期內(nèi)完成大規(guī)模精準(zhǔn)攻擊，傳統(tǒng)安全手段難以及時(shí)應(yīng)對(duì),。這迫使各行業(yè)加大安全投入,，催生新的技術(shù)與產(chǎn)品升級(jí)機(jī)會(huì),。合規(guī)與前沿技術(shù)融合帶來新機(jī)遇。隱私保護(hù)與跨境數(shù)據(jù)傳輸?shù)缺O(jiān)管要求不斷強(qiáng)化,，量子安全與實(shí)時(shí)監(jiān)測(cè)等前沿技術(shù)同步崛起,，為AI安全方案提供更高門檻和新應(yīng)用場(chǎng)景。能將合規(guī)與技術(shù)創(chuàng)新相結(jié)合的企業(yè),，將在競(jìng)爭(zhēng)中獲得更大成長(zhǎng)空間,。
Multi-Agent（略）的深度融合，將變革企業(yè)數(shù)字化轉(zhuǎn)型的開發(fā)流程與協(xié)同模式,，以“去編碼化”的方式：（略）
技術(shù)產(chǎn)品發(fā)布微觀察
02
PG社區(qū)針對(duì)異構(gòu)數(shù)據(jù)庫同步工具（SynchDB）,、Kubernetes原生PostgreSQL運(yùn)維工具（CloudNativePG）和Oracle兼容性增強(qiáng)工具（IvorySQL）,，進(jìn)行了一系列更新：lvorySQL版本v4.0發(fā)布,。IvorySQL4.0是基于PostgreSQL17.0構(gòu)建的開源數(shù)據(jù)庫項(xiàng)目，專注于增強(qiáng)Oracle兼容性,。本次更新的特性有：引入隱形列支持,、PL/SQL包管理、函數(shù)定義增強(qiáng)等功能,，提升數(shù)據(jù)庫的兼容性和性能,，同時(shí)優(yōu)化安裝與設(shè)置體驗(yàn)。IvorySQL是一個(gè)集成了PostgreSQL的性能與可靠性以及Oracle數(shù)據(jù)庫功能的解決方案,，特別適合從Oracle數(shù)據(jù)庫遷移的用戶,。本次更新通過更強(qiáng)的Oracle特性支持和簡(jiǎn)化遷移流程，為用戶提供了更加高效,、靈活且成本優(yōu)化的數(shù)據(jù)庫選擇,，滿足多樣化的應(yīng)用場(chǎng)景需求。(src:[ANNOUNCE]IvorySQL4.0Released-EnhancedOracleCompatibilitywithPostgreSQL17.0Foundation)SynchDB版本v1.0發(fā)布,。SynchDB1.0是HornetlabsTechnologyInc發(fā)布的PostgreSQL插件,，旨在實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)庫（如MySQL、MSSQLServer）與PostgreSQL的實(shí)時(shí)數(shù)據(jù)同步,。本次更新的是提供無中間件的高效解決方案,，用于實(shí)時(shí)數(shù)據(jù)復(fù)制和集成，解決1.0beta1版本中存在的性能和資源問題,，并引入多項(xiàng)新工具以優(yōu)化插件的性能和靈活性,。作為一個(gè)PostgreSQL插件，SynchDB通過原生方式：（略）
應(yīng)用落地微觀察
03
智能超參數(shù)發(fā)布2024年全年大模型中標(biāo)項(xiàng)目盤點(diǎn):項(xiàng)目數(shù)量和金額：2024統(tǒng)計(jì)到了1520個(gè)大模型相關(guān)中標(biāo)項(xiàng)目,，其中413個(gè)項(xiàng)目未披露金額,，其余1107個(gè)中標(biāo)項(xiàng)目披露的金額達(dá)到64.67億元。與2023年全年數(shù)據(jù)相比（統(tǒng)計(jì)到的大模型中標(biāo)項(xiàng)目數(shù)量92個(gè),，披露中標(biāo)金額7.89億元）,，2024年的大模型中標(biāo)項(xiàng)目數(shù)量增長(zhǎng)了15.5倍,，披露中標(biāo)金額增長(zhǎng)了7.2倍。
金額分布：已披露的項(xiàng)目中位數(shù)為125萬元,。約30%低于50萬元,，約54%低于150萬元。金額較小的大模型中標(biāo)項(xiàng)目占比較多,，可能是因?yàn)橥顿Y回報(bào)率不清晰,，企業(yè)內(nèi)部大模型技術(shù)儲(chǔ)備不足等，多數(shù)企業(yè)仍在嘗試階段,。超大單數(shù)量在2024年下半年快速增長(zhǎng),，這些項(xiàng)目通常包含了底層算力、AI（略）,、大模型應(yīng)用以及運(yùn)維服務(wù)費(fèi)等,，一大趨勢(shì)是，（略）不再主打單一的算力資源,，（略）以貼近應(yīng)用場(chǎng)景,。
項(xiàng)目類型：數(shù)據(jù)類項(xiàng)目占比仍然最少，但是2024年下半年數(shù)據(jù)類項(xiàng)目增長(zhǎng)明顯,，這可能跟大模型落地應(yīng)用需要專有數(shù)據(jù)進(jìn)行微調(diào)有關(guān),。2024年上半年，算力類項(xiàng)目數(shù)量遠(yuǎn)超大模型類項(xiàng)目,，但下半年大模型類項(xiàng)目數(shù)量增長(zhǎng)迅猛,，10-12月大模型項(xiàng)目反超算力類項(xiàng)目。這可能因?yàn)榇竽Ｐ驼谠絹碓蕉嗟拇怪毙袠I(yè)加速落地,，或者開始在諸多中大型企業(yè)扮演中臺(tái)性質(zhì)的基礎(chǔ)設(shè)施,，重要性開始比肩甚至超過算力。同時(shí),，高端算力可能仍然供不應(yīng)求,，但是整體算力可能已經(jīng)不再缺乏。
算力（運(yùn)行大模型所需要的計(jì)算資源）,、數(shù)據(jù)（大模型相關(guān)數(shù)據(jù)標(biāo)注或者數(shù)據(jù)資源等）,、大模型（各類垂直大模型、AI中臺(tái)或者大模型基座,，可能包含算力）,、應(yīng)用（大模型在明確場(chǎng)景中的融合落地，可能包含算力,、AI（略）,、應(yīng)用軟件等）。
行業(yè)分布：在11月,、12月份,，諸多教育機(jī)構(gòu)高達(dá)數(shù)千萬元的項(xiàng)目頻出,。AIforScience接下來會(huì)是大模型落地的重要方向。上海等龍（略）專門發(fā)布大模型產(chǎn)業(yè)發(fā)展方案,，這可能會(huì)在2025年掀起一（略）爭(zhēng)相擁抱大模型的浪潮,，（略）場(chǎng)預(yù)計(jì)會(huì)持續(xù)高速增長(zhǎng)。能源類企業(yè)尤其以各地電力企業(yè)為采購(gòu)主力,。
區(qū)域分布：大模型中標(biāo)項(xiàng)目覆（略）域,，按照月份來看是也越來越多，并且最終實(shí)現(xiàn)幾乎全部省級(jí),、（略）,、（略）等區(qū)域的全覆蓋。（src：獨(dú)家：2024年全年大模型中標(biāo)項(xiàng)目盤點(diǎn)）
沙利文發(fā)布《2024年金融級(jí)分布式數(shù)（略）場(chǎng)跟蹤報(bào)告》,。部分內(nèi)容摘錄如下：市場(chǎng)動(dòng)向：落地向中小銀行滲透,，證券與保險(xiǎn)滲透率也在逐步提高（根據(jù)下圖數(shù)據(jù)，證券業(yè)滲透率增長(zhǎng)更明顯）,。銀行份額下降原因：在2024年上半年安全可靠測(cè)評(píng)推進(jìn)過程中,，銀行因擔(dān)憂所選產(chǎn)品無法滿足未來的監(jiān)管要求而謹(jǐn)慎選型,。保險(xiǎn)和證券行業(yè)的機(jī)構(gòu)整體則受影響較低,，保持增長(zhǎng)動(dòng)能，使占比得到提升,。
（略）定義：銀行業(yè)：不同銀行對(duì)核心業(yè)務(wù)定義不同,，但存款、貸款,、清算核算是每家銀行根本,，（略），（略）,。（略）（如手機(jī)/網(wǎng)站線上渠道）,、（略）（如監(jiān)管報(bào)送、風(fēng)險(xiǎn)管理）,、（略）（如OA系統(tǒng),、ERP系統(tǒng)）、（略）（（略））,。
中國(guó)金融整體數(shù)（略）場(chǎng)（不含OLAP）：預(yù)計(jì)從2023的87.28億元增長(zhǎng)至2028的215.89億元,，年復(fù)合增長(zhǎng)率近20%
中國(guó)金融分布式數(shù)（略）場(chǎng)（不含OLAP）：預(yù)計(jì)從2023的17.29億元增長(zhǎng)至2028的54.1億元，年復(fù)合增長(zhǎng)率近26%,。（src：沙利文｜2024年金融級(jí)分布式數(shù)（略）場(chǎng)跟蹤報(bào)告）
“2025年度江蘇省黨政機(jī)關(guān),、事業(yè)單位：（略）
“（略）2024年至2026年集中式信創(chuàng)數(shù)據(jù)庫產(chǎn)品采購(gòu)項(xiàng)目”招標(biāo)公告已發(fā)布。采購(gòu)關(guān)系型數(shù)據(jù)庫軟件,，預(yù)計(jì)采購(gòu)120個(gè)LICENSE（2個(gè)CPU為一個(gè)licence）,，最高不含稅單價(jià)為8萬元一套,。（src：（略）2024年至2026年集中式信創(chuàng)數(shù)據(jù)庫產(chǎn)品采購(gòu)項(xiàng)目_招標(biāo)公告）宏觀消息
04
國(guó)家發(fā)展改革委等六部門印發(fā)《關(guān)于促進(jìn)數(shù)據(jù)產(chǎn)業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見》?！兑庖姟诽岢?，到2029年，數(shù)據(jù)產(chǎn)業(yè)規(guī)模年均復(fù)合增長(zhǎng)率超過15%,，數(shù)據(jù)產(chǎn)業(yè)結(jié)構(gòu)明顯優(yōu)化,，數(shù)據(jù)技術(shù)創(chuàng)新能力躋身世界先進(jìn)行列，數(shù)據(jù)產(chǎn)品和服務(wù)供給能力大幅提升,，催生一批數(shù)智應(yīng)用新產(chǎn)品新服務(wù)新業(yè)態(tài),，涌現(xiàn)一批具有國(guó)際競(jìng)爭(zhēng)力的數(shù)據(jù)企業(yè)，數(shù)據(jù)產(chǎn)業(yè)綜合實(shí)力顯著增強(qiáng),，區(qū)域聚集和協(xié)同發(fā)展格局基本形成,。年均復(fù)合增長(zhǎng)率（CAGR）等于期末值除以期初值的商，再將結(jié)果開n次方（n是時(shí)間周期的年數(shù)）,，然后減去1,。即CAGR=（期末值÷期初值）^(1÷n)-1
《意見》指出了數(shù)據(jù)技術(shù)和產(chǎn)業(yè)的7個(gè)重點(diǎn)發(fā)展方向。數(shù)據(jù)采集推動(dòng)基于5G,、（略）等技術(shù)的數(shù)據(jù)實(shí)時(shí)采集方式：（略）
國(guó)務(wù)院新聞辦公室公布第五次全國(guó)經(jīng)濟(jì)普查首次增加數(shù)字經(jīng)濟(jì)調(diào)查結(jié)果,。2023年末，全國(guó)共有數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)企業(yè)法人單位：（略）
財(cái)政部印發(fā)《數(shù)據(jù)資產(chǎn)全過程管理試點(diǎn)方案》,，將在7個(gè)中央部門6個(gè)央企16（略）開展試點(diǎn),。7個(gè)中央部門：水利部、農(nóng)業(yè)農(nóng)村部,、文化和旅游部,、國(guó)家衛(wèi)生健康委、中國(guó)科學(xué)院,、中國(guó)氣象局,、中國(guó)科協(xié)等中央部門。6個(gè)央企：（略）,、（略）,、（略）、（略）,、（略）,、（略）等中央企業(yè)。16（略）：北京,、河北,、大連、吉林、上海,、江蘇,、浙江、安徽,、福建,、山東、湖北,、湖南,、深圳、廣西,、貴州,、云南等地方財(cái)政部門。（src：財(cái)政部將在16（略）開展數(shù)據(jù)資產(chǎn)管理試點(diǎn)（附名單））
行業(yè)消息
05
IDC發(fā)布《2025年中國(guó)數(shù)據(jù)和（略）進(jìn)行的數(shù)據(jù)協(xié)作將滲透到70%的中國(guó)500強(qiáng)企業(yè),。合成數(shù)據(jù)：到2026年,，GenAI創(chuàng)建的合成數(shù)據(jù)將在數(shù)據(jù)有限的領(lǐng)域?qū)㈩A(yù)測(cè)分析的準(zhǔn)確性和可靠性提高20%。數(shù)據(jù)分析主導(dǎo)：到2028年,，中國(guó)500強(qiáng)企業(yè)中70%的首席數(shù)據(jù)和分析官將在對(duì)企業(yè)技術(shù)支出的影響力方面與首席信息官相媲美,。數(shù)據(jù)工程Agent：到2026年，將有50%的中國(guó)500強(qiáng)數(shù)據(jù)團(tuán)隊(duì)使用AIAgent來實(shí)現(xiàn)數(shù)據(jù)準(zhǔn)備和分析,，并成為重要組織者和協(xié)調(diào)者,。數(shù)據(jù)可用性：到2025年，GenAI將通過使組織能夠更好地利用非結(jié)構(gòu)化數(shù)據(jù),，將可用數(shù)據(jù)量增加50%,。數(shù)據(jù)安全隱私：到2025年底,，中國(guó)500強(qiáng)的數(shù)據(jù)安全團(tuán)隊(duì)將把從其工具中收集到的信息的40%提供給其他業(yè)務(wù)線,，以提供整個(gè)業(yè)務(wù)的統(tǒng)一治理。（src：IDCFutureScape：2025年中國(guó)數(shù)據(jù)和（略）場(chǎng)十大預(yù)測(cè)）
紅杉資本發(fā)布《AIin2025:BuildingBlocksFirmlyinPlace》2024AI發(fā)展回顧：AI（略）趨于成熟,。LLM競(jìng)爭(zhēng)：Microsoft/OpenAI,、Amazon/Anthropic、Google,、Meta和xAI五家領(lǐng)先,。2025AI發(fā)展預(yù)測(cè)：LLM提供商差異化競(jìng)爭(zhēng)：Google：垂直整合優(yōu)勢(shì)，擁有自己的TPU芯片,、（略）和強(qiáng)大的內(nèi)部研究團(tuán)隊(duì)OpenAI：品牌優(yōu)勢(shì),，ChatGPT知名度高，收入強(qiáng)勁Anthropic：人才優(yōu)勢(shì),，吸引了大量研究人才xAI：（略）建設(shè)優(yōu)勢(shì),，快速插件GPU集群Meta：開源策略，通過Instagram,、WhatsApp和Facebook等平臺(tái)推廣開源模型,。AI搜索成為殺手級(jí)應(yīng)用：AI搜索優(yōu)勢(shì)：語義理解：基于LLM,，能夠閱讀和理解知識(shí)，（略）頁,。專業(yè)領(lǐng)域定制：不同職業(yè)可能擁有各自的AI搜索引擎,，如分析師使用Perplexity，律師使用Harvey等,。多維度差異化：包括意圖提取,、專有數(shù)據(jù)、格式化和界面設(shè)計(jì)等AI搜索有望在2025年廣泛普及,。投資回報(bào)率（ROI）問題和資本支出（CapEx）趨于穩(wěn)定：（略）控制局面：（略）,，（略）有重大股權(quán)，是AI初創(chuàng)企業(yè)的重要支持者,。資本支出趨于穩(wěn)定：2024年是“圈地”,、爭(zhēng)奪資源的混亂期，（略）將專注于按時(shí)按預(yù)算完成新項(xiàng)目并產(chǎn)生收益,。2024第三季度發(fā)布的最新資本支出數(shù)據(jù)顯示,，微軟和谷歌內(nèi)部的投入趨勢(shì)線已經(jīng)開始穩(wěn)定。亞馬遜和Meta（MetaQ4投入的多）仍在增加投入,，但可能在2025年初達(dá)到穩(wěn)定狀態(tài),。
AI計(jì)算價(jià)格下降：（略）容量的上線將推動(dòng)AI計(jì)算價(jià)格繼續(xù)大幅下降，有利于初創(chuàng)企業(yè)的創(chuàng)新（src：Alin2025:BuildingBlocksFirmlyinPlace）
產(chǎn)業(yè)上下游企業(yè)消息
06
AzureKeyVaultPremium首次在（略）域上線,。本次更新引入了FIPS140-2Level3硬件安全模塊（HSM）,，為加密密鑰提供高級(jí)別的安全保障。這一版本面向高度監(jiān)管行業(yè),，幫助用戶滿足合規(guī)性要求,，同時(shí)覆蓋中國(guó)北3區(qū)、中國(guó)北2區(qū),、中國(guó)東3區(qū)和中國(guó)東2區(qū),。通過增強(qiáng)的安全性和合規(guī)能力，本次更新為用戶強(qiáng)化數(shù)據(jù)保護(hù)和提升安全性提供了新選擇,。（src:https://（略）-us/updates）FIPS（FederalInformationProcessingStandards,，聯(lián)邦信息處理標(biāo)準(zhǔn)）是由美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）發(fā)布的標(biāo)準(zhǔn)系列，（略）絡(luò)安全中的信息處理和加密技術(shù),。FIPS140-2Level3提供強(qiáng)化的物理安全性,，要求加密模塊具備防篡改檢測(cè)能力，在檢測(cè)到未授權(quán)訪問時(shí)主動(dòng)銷毀密鑰,，同時(shí)通過多因素認(rèn)證和角色分離限制訪問權(quán)限,。模塊需防御側(cè)信道攻擊，確保密鑰存儲(chǔ)和使用的安全性與完整性，適用于高安全性要求的環(huán)境,，如金融和政府領(lǐng)域,。
微軟CEO納德拉提出，SaaS時(shí)代將被智能代理（AIAgent）取代,，傳統(tǒng)應(yīng)用程序的用戶界面和業(yè)務(wù)邏輯將消失,，智能代理通過直接與數(shù)據(jù)庫交互完成CRUD操作，徹底顛覆現(xiàn)有的軟件開發(fā)模式,。AI層將整合多數(shù)據(jù)庫操作,，無需硬編碼業(yè)務(wù)邏輯，用戶僅需描述需求,，代理即可生成代碼或執(zhí)行任務(wù),。以Microsoft365為例，Copilot作為核心交互層,，Excel,、Word等應(yīng)用被重新定義為專用智能代理，通過Python解釋器和數(shù)據(jù)分析功能實(shí)現(xiàn)高效生產(chǎn)力,。微軟憑借其Windows（略）的流量入口和對(duì)OpenAI的大規(guī)模投資,，正通過AI賦能企業(yè)，布局AIPC與AgentStore等生態(tài),，搶占（略）場(chǎng)巨大的增長(zhǎng)空間,。這場(chǎng)變革將重塑整個(gè)軟件行業(yè)，（略）將面臨淘汰風(fēng)險(xiǎn),。（src:微軟CEO的大膽預(yù)言：“AlAgent將替代所有SaaS”）
字節(jié)全力押注AI：2025資本開支或達(dá)1600億元,，投入或接近BAT三家總和。浙商證券報(bào)告中指出,，字節(jié)跳動(dòng)在AI上加大流量投放,、擴(kuò)大資本開支、大力擴(kuò)張團(tuán)隊(duì),，研發(fā)投入顯著領(lǐng)先同行,。在資金上，字節(jié)跳動(dòng)在AI上投入巨大,，2024年資本開支達(dá)到800億元，接近百度,、阿里,、騰訊三家的總和（約1000億元）。2025年,，字節(jié)跳動(dòng)資本開支有望達(dá)到1600億元,，（略）集群，其中約900億元將用于AI算力的采購(gòu)，700億元用于IDC（略）絡(luò)設(shè)備,。(src:消息稱字節(jié)跳動(dòng)今年AI投入接近BAT三家總和,，明年有望翻倍)
谷歌聚焦2025：Gemini引領(lǐng)新增長(zhǎng)，面臨顛覆性挑戰(zhàn),。谷歌CEOSundarPichai在2025年戰(zhàn)略會(huì)議上強(qiáng)調(diào),，AI和監(jiān)管雙重壓力下，谷歌正迎來關(guān)鍵時(shí)刻,。他表示,，構(gòu)建“大型新業(yè)務(wù)”是首要任務(wù)，其中Gemini被定位為未來核心增長(zhǎng)引擎,，目標(biāo)是成為下一個(gè)擁有5億用戶的應(yīng)用,，并將在未來兩年內(nèi)迎來重大升級(jí)。DeepMind聯(lián)合創(chuàng)始人DemisHassabis進(jìn)一步表示,，團(tuán)隊(duì)將“加速”Gemini的發(fā)展,，以應(yīng)對(duì)OpenAI等競(jìng)爭(zhēng)對(duì)手的挑戰(zhàn)。同時(shí),，谷歌計(jì)劃在2025年推出實(shí)驗(yàn)性通用助理Astra的更新版,，以及主打軟件開發(fā)未來方向的編碼助手Jules。盡管競(jìng)爭(zhēng)加劇,，Pichai指出執(zhí)行力才是勝負(fù)關(guān)鍵,。隨著全球監(jiān)管壓力持續(xù)升級(jí)，美國(guó)司法部已要求谷歌剝離Chrome瀏覽器業(yè)務(wù),。面對(duì)挑戰(zhàn),，Pichai呼吁員工保持快速反應(yīng)和高昂斗志，以在AI新時(shí)代中保持領(lǐng)先地位,。(src:谷歌舉行2025年戰(zhàn)略會(huì)議,，CEO：風(fēng)險(xiǎn)很高，這是顛覆性時(shí)刻)
谷歌裁減10%高管職位,，推進(jìn)效率提升以應(yīng)對(duì)AI競(jìng)爭(zhēng),。谷歌CEOSundarPichai在全體員工大會(huì)上宣布，作為提升運(yùn)營(yíng)效率的持續(xù)計(jì)劃之一,，谷歌已削減10%的高層管理職位,，包括經(jīng)理：（略）
350億美元收購(gòu)案遇阻，新思科技提補(bǔ)救方案爭(zhēng)取歐盟批準(zhǔn),。新思科技（Synopsys）（略）Ansys的交易,，因可能（略）場(chǎng)競(jìng)爭(zhēng)而面臨多國(guó)監(jiān)管機(jī)構(gòu)審查。為獲得歐盟的有條件反壟斷批準(zhǔn),，新思科技已提出關(guān)鍵補(bǔ)救措施,，包括出售其OpticalSolutionsGroup和剝離Ansys的PowerArtist工具,，用以（略）場(chǎng)對(duì)競(jìng)爭(zhēng)削弱和價(jià)格上漲的擔(dān)憂。歐盟預(yù)計(jì)將于2025年1月10日前完成初步審查,。與此同時(shí),，英國(guó)競(jìng)（略）場(chǎng)管理局（CMA）亦在調(diào)查合并是否會(huì)對(duì)光學(xué)軟件和芯片功耗分析（略）場(chǎng)構(gòu)成不利影響。若補(bǔ)救措施未達(dá)預(yù)期,，CMA或?qū)⑸?jí)為第二階段調(diào)查,。此次收購(gòu)旨在強(qiáng)化新思科技“（略）”戰(zhàn)略，預(yù)計(jì)將推動(dòng)其進(jìn)入汽車,、航空航天等高（略）場(chǎng),，并在三年內(nèi)實(shí)現(xiàn)約4億美元的成本協(xié)同效益。若獲得批準(zhǔn),，交易預(yù)計(jì)在2025年上半年完成,。(src:350億美元收購(gòu)案在歐盟遇阻，新思科技提出補(bǔ)救措施)
IBM收購(gòu)HashiCorp面臨英國(guó)監(jiān)管機(jī)構(gòu)調(diào)查,。英國(guó)競(jìng)（略）場(chǎng)管理局（CMA）發(fā)布聲明稱,，對(duì)IBM（略）HashiCorp的交易啟動(dòng)調(diào)查，關(guān)注收購(gòu)是否會(huì)大幅削弱（略）場(chǎng)競(jìng)爭(zhēng),。2024年4月,，IBM（略）HashiCorp，企業(yè)價(jià)值達(dá)64億美元,。HashiCorp（略）,，成立于2012年，總部位于美國(guó)舊金山,。公司提供企業(yè)級(jí)開源工具和商業(yè)產(chǎn)品,，幫助開發(fā)者和運(yùn)維團(tuán)隊(duì)在多云環(huán)境中高效、安全地管理基礎(chǔ)架構(gòu)和應(yīng)用,。HashiCorp的工具廣泛應(yīng)用于基礎(chǔ)設(shè)施即代碼（IaC）,、身份和訪問管理、（略）絡(luò)以及應(yīng)用部署等領(lǐng)域,。（src:IBM（略）HashiCorp的交易面臨英國(guó)監(jiān)管機(jī)構(gòu)調(diào)查）
（略）Altair獲德國(guó)批準(zhǔn),。德國(guó)反壟斷機(jī)構(gòu)卡特爾辦公室（Bundeskartellamt）公告稱，（略）AltairEngineering的提議,。（略）于2024年10月30日發(fā)布的公告,，西門子已簽署協(xié)議，將以每股113美元的價(jià)格收購(gòu)工業(yè)仿真和分析軟件提供商AltairEngineering,。這一報(bào)價(jià)較Altair2024年10月21日的收盤價(jià)溢價(jià)19%,，使Altair的企業(yè)估值達(dá)到100億美元。(src:西門子收購(gòu)AltairEngineering獲德國(guó)反壟斷機(jī)構(gòu)批準(zhǔn))（略）場(chǎng)微觀察
07
（略）場(chǎng)：本（略）漲跌互現(xiàn),，包括2024年的最后幾個(gè)交易日和"圣誕老人反彈期"的最后幾個(gè)交易日,。主要股指在年底大幅上漲后失去動(dòng)力，但周五出現(xiàn)了一些反彈行動(dòng),。本周小型股表現(xiàn)優(yōu)于大型股,，羅素2000指數(shù)收盤上漲1.1%。標(biāo)普500指數(shù)和納斯達(dá)克綜合指數(shù)本周均下跌0.6%,。標(biāo)普500指數(shù)2024年上漲23.3%,，納斯達(dá)克綜合指數(shù)2024年上漲28.6%。
美債：由于利率差異影響了外國(guó)投資者對(duì)美國(guó)國(guó)債的興趣,，隔夜美國(guó)國(guó)債的購(gòu)買興趣有所上升,。美東時(shí)間上午10:00公布的12月ISM制造業(yè)PMI數(shù)據(jù)強(qiáng)于預(yù)期，且物價(jià)指數(shù)出現(xiàn)上漲,，隔夜?jié)q幅隨之消失,。從那時(shí)起，賣家開始施壓,。隨（略）上漲,，收益率穩(wěn)定在盤中高點(diǎn)，表明可能存在一些從債券轉(zhuǎn)向股票的活動(dòng),。下周有望成為交易更加活躍的一周,，因?yàn)閹讏?chǎng)拍賣（3年期、10年期,、30年期）將有新的供應(yīng),，而本周結(jié)束時(shí)將公布12月就業(yè)形勢(shì)報(bào)告等關(guān)鍵經(jīng)濟(jì)數(shù)據(jù)。美元指數(shù)下跌0.4%至108.95,，歐元和英鎊在周四暴跌后出現(xiàn)一些反彈,。2年期：+3個(gè)基點(diǎn)至4.28%3年期：+4個(gè)基點(diǎn)至4.32%5年期：+3個(gè)基點(diǎn)至4.41%10年期：+2個(gè)基點(diǎn)至4.60%30年期：+2個(gè)基點(diǎn)至4.80%商品：WTI原油：上漲1.2%至每桶73.95美元黃金：下跌0.5%至2655.10美元/盎司銅：+1.2%至4.07美元/磅股價(jià)異動(dòng)Tesla暴跌10%，誘因有：交付和生產(chǎn)數(shù)據(jù)未達(dá)預(yù)期：根據(jù)特斯拉最新公布的第四季度數(shù)據(jù),，交付量為495,570輛,，低于分析師預(yù)期的512,250輛；生產(chǎn)量為459,445輛,，同樣未達(dá)到預(yù)期的503,500輛,。全年交付量為1,790,000輛，略低于預(yù)期的1,800,000輛,。（略）增長(zhǎng)前景的擔(dān)憂,，導(dǎo)致股價(jià)下跌。市場(chǎng)競(jìng)爭(zhēng)加?。喝螂妱?dòng)（略）場(chǎng)競(jìng)爭(zhēng)日益激烈,，特別是在（略）場(chǎng)。特斯拉在中國(guó)的銷量出現(xiàn)下滑,，2月份上海工廠的汽車銷量約為60,365輛,，同比減少約19%,。此外，特斯拉還在（略）場(chǎng)提供了8,000元的保險(xiǎn)補(bǔ)貼,，以應(yīng)對(duì)競(jìng)爭(zhēng)對(duì)手的價(jià)格壓力,。這些因素使投資者對(duì)特斯（略）場(chǎng)份額和盈利能力產(chǎn)生疑慮。宏觀經(jīng)濟(jì)因素：美聯(lián)儲(chǔ)的貨幣政策變化引（略）場(chǎng)波動(dòng),。近期,，美聯(lián)儲(chǔ)官員的言論增（略）場(chǎng)對(duì)進(jìn)一步加息的預(yù)期，導(dǎo)致科技股普遍下跌,，特斯拉也未能幸免,。此外，全球經(jīng)濟(jì)增長(zhǎng)放緩的預(yù)期也對(duì)特斯拉的股價(jià)產(chǎn)生了負(fù)面影響,。(src:TeslaStockDropsasQ4Deliveries,VehicleProductionFallShort-https://（略）-stock-q4-deliveries-vehicle-production-fall-short-（略）?utm_source=chatgpt.com)初創(chuàng)微觀察
08
RaySummit2024總結(jié)整理：
Ray是一個(gè)專為插件AI和Python應(yīng)用程序設(shè)計(jì)的分布式計(jì)算框架,，提供了一個(gè)核心的分布式運(yùn)行時(shí)環(huán)境，并集成了多個(gè)AI庫,，簡(jiǎn)化了機(jī)器學(xué)習(xí)計(jì)算的過程,。初由加州大學(xué)伯克利分校的RISELab于2016年開源。
Anyscale是由UCBerkeley的IonStoica教授（RISELab主任）（略）,，負(fù)責(zé)Ray框架的商業(yè)化,。他還是分布式計(jì)算框架ApacheSpark（略）Databricks的聯(lián)合創(chuàng)始人。目前Anyscale估值超過10億美元,。
Ray使用情況：Ray在國(guó)內(nèi)外大廠,、（略）、硬件廠商等行業(yè)已經(jīng)實(shí)現(xiàn)了廣泛的應(yīng)用,。新增用戶包括Apple,、Reddit、ebay等,。Ray在5年內(nèi)有超過1000的contributors（達(dá)到大部分活躍開源項(xiàng)目門檻）,。為什么選擇Ray：根據(jù)在summit上各用戶（如Bytedance、Apple,、Uber等）的反饋,，統(tǒng)計(jì)出的關(guān)鍵詞包括：Unified、Scalability,、heterogenousCPU/GPU,、pythonnative、Dynamic,、Modelcomposition,、PlatformAgnostic、Ecosystem,、vllm,。發(fā)布概覽：CompiledGraphs（RayCore今年最大的feature）：部分開發(fā)靈感來源于Google的Pathways論文,，該論文提到Ray可以作為下一代AI（略）的分布式底座。解決了Ray在GPU到GPU傳輸?shù)刃阅軆?yōu)化方面的限制,，支持靜態(tài)數(shù)據(jù)流,，實(shí)現(xiàn)底層性能優(yōu)化,，如GPU到GPU直傳和內(nèi)存復(fù)用,。RayData-GA：RayData是一個(gè)構(gòu)建在RayCore之上的可插件數(shù)據(jù)處理庫，專注于解決ML工作負(fù)載中的數(shù)據(jù)準(zhǔn)備和處理問題,。支持從多種數(shù)據(jù)源讀取數(shù)據(jù),，如Parquet文件、CSV,、JSON等,，（略）；提供了豐富的數(shù)據(jù)轉(zhuǎn)換操作,，包括map_batches(),、groupby()、random_shuffle()和repartition()等,；具有分布式能力,，支持CPU和GPU資源的調(diào)度；采用流式執(zhí)行范式,，能夠高效地處理大型數(shù)據(jù)集,。RayTurbo：Anyscale內(nèi)部版本的Ray，這次是在RaySummit上首次公布,。性能提升：RayTurbo能夠顯著減少讀密集型數(shù)據(jù)工作負(fù)載的運(yùn)行時(shí)間,，比開源Ray在某些工作負(fù)載上快4.5倍；加速了Llama-3-70B的端到端插件時(shí)間,，比開源Ray快4.5倍,。成本節(jié)約：通過支持spot實(shí)例和彈性訓(xùn)練，RayTurbo在許多工作負(fù)載上的成本比開源Ray低達(dá)60%,。RayServe實(shí)現(xiàn)了最小資源消耗的滾動(dòng)更新,，降低了運(yùn)維成本。高級(jí)ML庫：提供了Anyscale獨(dú)有的機(jī)器學(xué)習(xí)庫,，如LLMForge,、AnyBatch和RayLLM。故障容忍：在RayData中優(yōu)化了調(diào)度器,，增強(qiáng)了數(shù)據(jù)管道的故障感知能力,，并支持檢查點(diǎn)機(jī)制。彈性訓(xùn)練：RayTrain支持在節(jié)點(diǎn)減少的情況下繼續(xù)訓(xùn)練,，優(yōu)化了分布式訓(xùn)練中的resharding操作,。穩(wěn)定性方面的工作：主要關(guān)注Ray規(guī)?；哪芰Γ壳癛ay社區(qū)版本最大支持8k節(jié)點(diǎn)的cluster,，（略）的場(chǎng)景夠用,。Ray發(fā)展趨勢(shì)：Ray在Data+AI方向的應(yīng)用逐漸成為主流。因?yàn)镽ay在batchinference和ingestfortraining場(chǎng)景中表現(xiàn)出色,，能夠在CPU+GPU混合計(jì)算的場(chǎng)景中實(shí)現(xiàn)更高效的吞吐,。AI生態(tài)集成：Ray憑借其“frameworkagnostic”的設(shè)計(jì)，已經(jīng)集成了豐富的AI和Data框架,，形成了龐大的生態(tài),。且集成和優(yōu)化工作正逐漸深入。例如,，在推理領(lǐng)域,，Ray是vllm默認(rèn)的分布式并行推理底座，并且RayServe+NvidiaTriton的組合也被廣泛應(yīng)用.多租戶和Workflow：盡管業(yè)界對(duì)Ray多租戶使用方式：（略）
CedarDB是一家由德國(guó)慕尼黑工業(yè)大學(xué)Umbra（略）,。暫無公開營(yíng)收和融資情況,。創(chuàng)始團(tuán)隊(duì)：均為慕尼黑工業(yè)大學(xué)攻讀博士學(xué)位期間同一課題組的研究成員MoritzSichertCEO：研究重點(diǎn)是無縫集成多種編程語言與SQL。曾在Tableau擔(dān)任研究實(shí)習(xí)生,。LukasVogelHeadofOperations：研究重點(diǎn)是現(xiàn)代存儲(chǔ)硬件和CPU（略）的適應(yīng),。曾在Salesforce擔(dān)任軟件工程實(shí)習(xí)生。ChristianWinterHeadofProduct：（略）的動(dòng)態(tài)數(shù)據(jù)和操作環(huán)境的最佳使用,。曾在OracleLabs擔(dān)任實(shí)習(xí)生,。DominikDurnerHeadofCloudTechnology：（略）的交叉領(lǐng)域。曾在SAP,、Microsoft擔(dān)任研究實(shí)習(xí)生,。PhilippFentHeadofDatabaseTechnology：研究重點(diǎn)是查詢優(yōu)化器和編譯執(zhí)行引擎，專注于CedarDB的性能優(yōu)化,。顧問團(tuán)隊(duì)：ThomasNeumann：慕尼黑工業(yè)大學(xué)數(shù)據(jù)科學(xué)與工程教授,，MoritzSichert的導(dǎo)師。以在查詢優(yōu)化和高效查詢處理方面的工作聞名,。發(fā)明了HyPer（略）,，（略）編譯化的先驅(qū)之一，后來被Tableau收購(gòu),。領(lǐng)導(dǎo)了HyPer的后繼技術(shù)Umbra的開發(fā),，Umbra是CedarDB背后的核心技術(shù)。（略）研（略）的貢獻(xiàn)獲得了包括GottfriedWilhelmLeibniz獎(jiǎng)在內(nèi)的多項(xiàng)獎(jiǎng)項(xiàng),。AlfonsKemper：慕尼黑工業(yè)大學(xué)數(shù)據(jù)科學(xué)與工程教授,，與ThomasNeumann教授共同發(fā)明并成功商業(yè)化了HyPer（略），并且對(duì)Umbra技術(shù)的發(fā)展做出了貢獻(xiàn)。因其在數(shù)據(jù)庫領(lǐng)域的貢獻(xiàn)被任命為ACMFellow,，并獲得了多項(xiàng)獎(jiǎng)項(xiàng),，包括ICDE十年最具影響力論文獎(jiǎng)和最佳論文獎(jiǎng)。核心技術(shù)Umbra：一個(gè)基于SSD（略）,，以出色性能聞名,。關(guān)鍵特點(diǎn)：基于SSD的高性能：Umbra旨在結(jié)合大容量的內(nèi)存（略）和快速的SSD存儲(chǔ)設(shè)備，（略）相媲美的性能,，（略）的可插件性,。PointerSwizzling技術(shù)：優(yōu)化緩沖管理，減少全局鎖的需要,。Morsel-driven并行執(zhí)行：將查詢分解為小塊并行處理,，提高核心利用率。先進(jìn)的查詢優(yōu)化器：Umbra實(shí)現(xiàn)了一個(gè)全面的基于成本的查詢優(yōu)化器,，該優(yōu)化器經(jīng)過了針對(duì)極大查詢（超過10,000個(gè)連接）的廣泛測(cè)試。代碼生成：CedarDB（略）的代碼生成方法,，為每個(gè)查詢生成定制的機(jī)器代碼,，（略）的解釋開銷。核心產(chǎn)品CedarDB：（略）,，是基于Umbra技術(shù)商業(yè)化的產(chǎn)品,。它繼承了Umbra的多項(xiàng)技術(shù)特點(diǎn)，包括多核執(zhí)行,、充分利用所有可用RAM,、快速SSD中心的I/O、先進(jìn)的查詢優(yōu)化器和代碼生成等（src：PitchBook｜CedarDBGeneralInformation）
開源微觀察
09
ScyllaDB項(xiàng)目簡(jiǎn)介：Scylla是一款高性能,、實(shí)時(shí)分布式NoSQL數(shù)據(jù)庫,，專為滿足現(xiàn)代大數(shù)據(jù)處理和實(shí)時(shí)計(jì)算需求而設(shè)計(jì)。它由AviKivity和DorLaor于2014年在以色列創(chuàng)立,，最初名為CloudiusSystems,，后更名為ScyllaDBInc。它采用無共享方式：（略）
ServerArchitecture：ScyllaDB的服務(wù)器架構(gòu)基于Shard-Per-Core模型,。每個(gè)物理CPU核心獨(dú)立運(yùn)行一個(gè)分片（shard）,，負(fù)責(zé)處理特定的數(shù)據(jù)子集，完全隔離內(nèi)存,、I/O和網(wǎng)絡(luò)資源,。這種設(shè)計(jì)減少了線程之間的鎖爭(zhēng)用，提高了硬件資源利用率,，并顯著提升了吞吐量和并發(fā)性能,。此外，ScyllaDB使用異步編程框架Seastar來優(yōu)化請(qǐng)求處理，使服務(wù)器能夠高效地管理大量并發(fā)操作,。DataArchitecture：ScyllaDB的數(shù)據(jù)架構(gòu)圍繞寬列（wide-column）數(shù)據(jù)模型構(gòu)建,，提供靈活的數(shù)據(jù)存儲(chǔ)方式：（略）
Snowplow項(xiàng)目簡(jiǎn)介：Snowplow（略），旨在幫助企業(yè)收集,、管理和分析用戶行為數(shù)據(jù),。它通過收集、存儲(chǔ)和處理高質(zhì)量的事件數(shù)據(jù),，為企業(yè)提供實(shí)時(shí)的行為洞察能力,，廣泛應(yīng)用于營(yíng)銷分析、產(chǎn)品優(yōu)化,、客戶行為建模等領(lǐng)域,。項(xiàng)目于2012年在英國(guó)成立&開源，使用ApacheLicense2.0許可證,。開發(fā)者：YaliSassoon：Snowplow的CTO兼聯(lián)合創(chuàng)始人,。此前，他曾是KeplarLLP(（略）,，主要（略）場(chǎng)進(jìn)入分析,、業(yè)務(wù)建模和產(chǎn)品和技術(shù)設(shè)計(jì))的合伙人。AlexDean：Snowplow的CEO兼聯(lián)合創(chuàng)始人,。他曾在OpenX和DeloitteConsulting的商業(yè)智能部門擔(dān)任技術(shù)職務(wù),，并在FathomPartners和KeplarLLP任職。他主要研究方向是函數(shù)式編程,、基于云的架構(gòu)和大數(shù)據(jù)技術(shù)等,。特點(diǎn)與功能：數(shù)據(jù)收集：支持從多種來源（如網(wǎng)頁、移動(dòng)應(yīng)用,、服務(wù)器端等）收集用戶行為事件,，如點(diǎn)擊、瀏覽,、視頻播放等,。數(shù)據(jù)清洗和豐富：通過內(nèi)置的豐富模塊，對(duì)收集到的原始數(shù)據(jù)進(jìn)行清洗和豐富,，確保數(shù)據(jù)的準(zhǔn)確性和完整性,。數(shù)據(jù)存儲(chǔ)：支持將處理后的數(shù)據(jù)存儲(chǔ)在多種數(shù)據(jù)倉庫中，如AmazonRedshift,、GoogleBigQuery,、Snowflake等，或通過流式傳輸?shù)狡渌康牡?。?shù)據(jù)建模：提供數(shù)據(jù)建模工具,，幫助用戶將事件級(jí)數(shù)據(jù)與其他數(shù)據(jù)集結(jié)合，生成易于分析的聚合表。數(shù)據(jù)分析：支持使用多種工具（如dbt,、Looker,、Metabase等）對(duì)數(shù)據(jù)進(jìn)行分析，幫助用戶發(fā)現(xiàn)用戶行為模式和業(yè)務(wù)洞察,。系統(tǒng)架構(gòu)：
Trackers（追蹤器）：Snowplow數(shù)據(jù)管道的入口,，用于捕獲用戶行為事件。目前Snowplow提供15種追蹤器,，（略）頁,、移動(dòng)端、桌面端,、（略）（IoT）設(shè)備,。Collector（數(shù)據(jù)收集器）：Collector負(fù)責(zé)接收由Trackers傳遞的事件數(shù)據(jù)。（略）（如AWSS3或GCPGoogleCloudStorage）,，同時(shí)將數(shù)據(jù)傳輸?shù)较掠蔚腅nrich模塊進(jìn)行處理,。Enrich（數(shù)據(jù)豐富化處理）：Enrich模塊對(duì)原始的Snowplow事件進(jìn)行清洗和豐富化處理，（略）,。Storage（存儲(chǔ)）：存儲(chǔ)模塊是Snowplow事件的歸宿,。事件數(shù)據(jù)以平鋪文件結(jié)構(gòu)存儲(chǔ)在S3上，同時(shí)也支持將數(shù)據(jù)存儲(chǔ)在Redshift,、Postgres、Snowflake和BigQuery數(shù)據(jù)庫中,。DataModeling（數(shù)據(jù)建模）：數(shù)據(jù)建模模塊將事件級(jí)別的數(shù)據(jù)與其他數(shù)據(jù)集結(jié)合,，并聚合成更小的數(shù)據(jù)集，同時(shí)應(yīng)用業(yè)務(wù)邏輯,。這一過程會(huì)生成一組表格,，使數(shù)據(jù)分析更加便捷。Snowplow官方支持針對(duì)Redshift,、Snowflake和BigQuery的數(shù)據(jù)模型,。Analytics（數(shù)據(jù)分析）：分析模塊可以直接對(duì)Snowplow事件數(shù)據(jù)或聚合后的表格進(jìn)行分析，以滿足業(yè)務(wù)需求,。應(yīng)用場(chǎng)景：改進(jìn)用戶體驗(yàn)：通過深度分析用戶行為來優(yōu)化產(chǎn)品設(shè)計(jì),。提升廣告效果：跟蹤廣告點(diǎn)擊，衡量ROI,。預(yù)測(cè)用戶需求：利用機(jī)器學(xué)習(xí)模型預(yù)測(cè)未來行為,。構(gòu)建個(gè)性化推薦：基于用戶歷史行為數(shù)據(jù)提供定制化建議。（src：snowplow｜github,，Snowplow開源項(xiàng)目推薦,，探索未來數(shù)據(jù)驅(qū)動(dòng)的力量：Snowplow-行為數(shù)據(jù)的引擎，YaliSassoon，OCS2020Breakout:AlexanderDean）學(xué)術(shù)微觀察
10
PracticalDisaggregatedCacheforApacheDataFusionChicagoDataFusionMeetup2024上,，來自UniversityofWisconsin-Madison的博士生XiangpengHao發(fā)布了一種全新的分離式緩存架構(gòu),，通過優(yōu)化現(xiàn)代數(shù)據(jù)湖的存儲(chǔ)與計(jì)算流程，實(shí)現(xiàn)了顯著的性能提升和成本優(yōu)化,。該方案在對(duì)象存儲(chǔ)與計(jì)算節(jié)點(diǎn)之間增加了一個(gè)專用緩存層,，通過將查詢分解為輕量級(jí)過濾和復(fù)雜計(jì)算，（略）絡(luò)的數(shù)據(jù)傳輸量和CPU瓶頸,。技術(shù)核心在于引入緩存專用文件格式,，對(duì)傳統(tǒng)Parquet數(shù)據(jù)進(jìn)行再編碼，采用部分解碼,、SIMD友好壓縮,、延遲物化等技術(shù)，大幅降低了解碼成本,，同時(shí)實(shí)現(xiàn)更高的查詢性能,。在過濾密集型場(chǎng)景下，該架構(gòu)性能提升可達(dá)4倍,，而內(nèi)存占用僅為緩存Arrow格式的20%,。此外，系統(tǒng)具備高兼容性,，支持ApacheArrow和DataFusion等主流生態(tài),，能夠?qū)崿F(xiàn)緩存層的獨(dú)立擴(kuò)展，適配實(shí)時(shí)分析和交互式工作負(fù)載,。這一架構(gòu)通過在云端提供靈活擴(kuò)展,、高性價(jià)比的查詢加速能力，為云計(jì)算和數(shù)據(jù)分析基礎(chǔ)設(shè)施提供了一個(gè)高效且具有商業(yè)價(jià)值的解決方案,。(src:（略）ChicagoDataFusionMeetup03XiangpengHao｜Youtube)
HPCache:memory-efficientOLAPthroughproportionalcachingrevisited主要作者：HamishNicholson：EPFL（洛桑聯(lián)邦理工學(xué)院）的研究員,，（略）。PeriklisChrysogelos：在EPFL期間參與了這項(xiàng)工作,，目前在Oracle工作,，（略）和存儲(chǔ)技術(shù)。AnastasiaAilamaki：EPFL的教授,，也是RAWLabsSA的聯(lián)合創(chuàng)始人,，（略）。（略）和應(yīng)用,。核心問題：（略）中,，傳統(tǒng)的基于頻率和時(shí)間的緩存策略（如LRU、MRU等）在面對(duì)快速存儲(chǔ)設(shè)備（如NVMeSSD）時(shí),，無法有效利用內(nèi)存空間,，導(dǎo)致緩存效率低下,。具體表現(xiàn)為：當(dāng)存儲(chǔ)設(shè)備的讀取帶寬接近或超過內(nèi)存查詢處理速度時(shí)，僅僅基于訪問頻率的緩存決策無法準(zhǔn)確反映緩存對(duì)查詢執(zhí)行速度的影響,。例如,，對(duì)于一個(gè)頻繁查詢但大部分時(shí)間用于處理連接操作的查詢，緩存其輸入數(shù)據(jù)的加速效果遠(yuǎn)不如緩存一個(gè)訪問頻率稍低但掃描密集的查詢的頁面?，F(xiàn)有的緩存策略會(huì)浪費(fèi)寶貴的內(nèi)存空間去緩存那些對(duì)分析幾乎沒有加速效果的輸入數(shù)據(jù),，導(dǎo)致內(nèi)存資源的浪費(fèi)和查詢執(zhí)行的延遲。解決方案：提出了HPCache,，一種新的緩沖管理策略,，通過考慮查詢頻率和緩存決策對(duì)查詢執(zhí)行時(shí)間的加速影響，實(shí)現(xiàn)內(nèi)存空間的高效利用,。具體包括：基于加速潛力的緩存決策：HPCache不再僅僅依賴于頻率統(tǒng)計(jì),，而是通過分析查詢執(zhí)行過程來理解緩存的潛在好處，并據(jù)此做出緩存決策,。自動(dòng)調(diào)整緩存優(yōu)先級(jí)和內(nèi)存列空間預(yù)算：根據(jù)過去的執(zhí)行行為,，HPCache能夠自動(dòng)調(diào)整緩存優(yōu)先級(jí)和分配給每個(gè)列的內(nèi)存空間，以實(shí)現(xiàn)最優(yōu)的緩存效果,。部分列緩存：為了避免緩存收益遞減,，HPCache采用部分列緩存策略，只緩存每個(gè)列的一部分頁面,，以避免不必要的內(nèi)存浪費(fèi),。技術(shù)實(shí)現(xiàn)：影響建模：通過兩步過程建模緩存的影響：首先建模特定查詢輸入的緩存影響，然后將多個(gè)查詢的影響聚合起來,，確定緩存一列的總體影響,。平衡模型：將查詢執(zhí)行建模為流，通過優(yōu)化問題來確定在給定內(nèi)存預(yù)算下,，如何分配內(nèi)存以最小化查詢的總執(zhí)行時(shí)間。持續(xù)調(diào)整：HPCache在查詢執(zhí)行過程中持續(xù)監(jiān)控和調(diào)整緩存配置,，通過背景線程定期解決優(yōu)化問題,，更新對(duì)當(dāng)前管道的Pbw估計(jì)和整體最優(yōu)列比例。與執(zhí)行引擎的集成：HPCache通過攔截分析引擎和存儲(chǔ)層之間的調(diào)用,，透明地獲?。?span id="oseimcgwi" class="open_quick_reg">（略）
HybGRAG:HybridRetrieval-AugmentedGenerationonTextualandRelationalKnowledgeBases主要作者：Meng-ChiehLee：卡內(nèi)基梅隆大學(xué)（CarnegieMellonUniversity）計(jì)算機(jī)科學(xué)系博士，主要研究方向是圖挖掘,、數(shù)據(jù)挖掘和異常檢測(cè),。QiZhu：Amazon研究員，（略）（GraphStorm）,，應(yīng)用于檢索增強(qiáng)生成（RAG）,、圖機(jī)器學(xué)習(xí)等領(lǐng)域,。他在伊利諾伊大學(xué)厄巴納-香檳分校（UIUC）獲得了計(jì)算機(jī)科學(xué)博士學(xué)位。核心問題：在半結(jié)構(gòu)化知識(shí)庫（SKB）中,，如何有效地檢索相關(guān)信息以回答用戶問題,？特別是對(duì)于需要同時(shí)利用文本和關(guān)系信息的“混合”問題（HQA），現(xiàn)有的檢索增強(qiáng)生成（RAG）和圖檢索增強(qiáng)生成（GRAG）方法難以有效處理?，F(xiàn)有方法要么只關(guān)注檢索文本或關(guān)系信息,，要么在混合問題中（略）分需要檢索的不同類型信息的方面，導(dǎo)致檢索效果不佳,。解決方案：提出了HYBGRAG方法,，通過以下組件解決混合問題：RetrieverBank：（略）由器，用于同時(shí)利用文本和關(guān)系信息進(jìn)行檢索,。具體來說,，設(shè)計(jì)了文本檢索模塊和混合檢索模塊，前者直接在文本文檔中檢索答案,，后者結(jié)合圖檢索器提取與主題實(shí)體相關(guān)聯(lián)的文檔,，再通過文本相似性排名器對(duì)文檔進(jìn)行排序，實(shí)現(xiàn)文本和關(guān)系信息的協(xié)同檢索,。CriticModule：（略）由,。分為驗(yàn)證器（Validator）和評(píng)論員（Commentor），驗(yàn)證器用于判斷檢索結(jié)果是否滿足問題要求,，評(píng)論員則根據(jù)驗(yàn)證結(jié)果提供糾正性反饋,，（略）由中的錯(cuò)誤，如錯(cuò)誤識(shí)別的主題實(shí)體或關(guān)系等,，（略）由器進(jìn)行改進(jìn),。技術(shù)實(shí)現(xiàn)：RetrieverBank實(shí)現(xiàn)：文本檢索模塊：使用向量相似性搜索（VSS）在嵌入空間中比較問題和文檔，實(shí)現(xiàn)文本文檔的檢索和排名,?；旌蠙z索模塊：首先通過圖檢索器提取與主題實(shí)體相關(guān)聯(lián)的實(shí)體，然后使用VSS排名器對(duì)這些實(shí)體關(guān)聯(lián)的文檔進(jìn)行排名,，確保檢索結(jié)果同時(shí)滿足文本和關(guān)系信息的要求,。路由器：基于少量樣本示例，利用LLM識(shí)別問題中的關(guān)系方面,，即主題實(shí)體和有用關(guān)系,，然后根據(jù)識(shí)別結(jié)果選擇使用文本檢索模塊或混合檢索模塊。CriticModule實(shí)現(xiàn)：驗(yàn)證器：（略）徑作為驗(yàn)證上下文,，（略）徑是否滿足問題要求來驗(yàn)證檢索結(jié)果的正確性,。評(píng)論員：根據(jù)驗(yàn)證結(jié)果，提供糾正性反饋,，（略）由中的錯(cuò)誤類型,，如錯(cuò)誤識(shí)別的實(shí)體/關(guān)系,、缺失實(shí)體、無交集等,，并給出具體的改進(jìn)建議,。最終結(jié)果：在STARK基準(zhǔn)測(cè)試中，HYBGRAG取得了顯著的性能提升,，平均相對(duì)改進(jìn)了51%的（略）@1指標(biāo),。具體來說，在STARK-MAG和STARK-PRIME數(shù)據(jù)集上,，HYBGRAG的（略）@1指標(biāo)分別比第二好的基線提高了47%和55%,。這表明HYBGRAG能夠有效地處理混合問題，同時(shí)利用文本和關(guān)系信息進(jìn)行準(zhǔn)確的檢索,，顯著優(yōu)于現(xiàn)有的RAG和GRAG方法,。（src：HybGRAG:HybridRetrieval-AugmentedGenerationonTextualandRelationalKnowledgeBases）
Reference
11
[ANNOUNCE]IvorySQL4.0Released-EnhancedOracleCompatibilitywithPostgreSQL17.0Foundation[ANNOUNCE]SynchDB1.0Released-PostgreSQLExtensionforReal-（略）獨(dú)家：2024年全年大模型中標(biāo)項(xiàng)目盤點(diǎn)-https://（略）.com/s/y2OxU4DIK1vWOSxBEZsxtA沙利文｜2024年金融級(jí)分布式數(shù)（略）場(chǎng)跟蹤報(bào)告-https://（略）.pdf2025年度江蘇省黨政機(jī)關(guān)、事業(yè)單位：（略）