ToB企服应用市场:ToB评测及商务社交产业平台

标题: 媒体声音｜专访阿里云数据库周文超博士：AI停当的智能数据平台筹划思路 [打印本页]

作者: 科技颠覆者 时间: 2025-1-2 20:14
标题: 媒体声音｜专访阿里云数据库周文超博士：AI停当的智能数据平台筹划思路

文章转载自：CSDN
编辑：宋慧

在生成式AI的浪潮中，数据的重要性日益凸显。大模型在实际业务场景的落地过程中，必须有海量数据的支撑：经过训练、推理和分析等一系列复杂的数据处置惩罚过程，才能最终产生业务价值。事实上，大模型本身就是数据处置惩罚后的产物，以数据驱动的决议与创新必要通过更智能的平台解决数据多模处置惩罚、实时分析等问题，这正是以阿里云为代表的企业推动 “Data+AI”融合战略的核心动因。
那么，“Data+AI” 对于数据处置惩罚究竟意味着什么？从字面意义来理解，Data+AI是指将数据和人工智能结合起来，支持数据从收集、准备到模型开辟、部署、迭代、监控的全流程。与传统数据管理模式相比，Data+AI更侧重AI原生化、一体化、多模化等理念。

阿里云数据库产物奇迹部AnalyticDB PostgreSQL及生态工具部负责人周文超

从数据工程与业务实践的角度来看，由离线数据处置惩罚到实时数据处置惩罚，再到今天的Data+AI时代，数据处置惩罚的底层逻辑到底发生了怎样的变化？为何多模处置惩罚能力变得越来越重要？我们约请了在学术界和财产界均有丰富经验的周文超博士，他现在是阿里云数据库产物奇迹部AnalyticDB PostgreSQL及生态工具部负责人。周文超博士从数据管理平台变化角度出发，结合阿里云DMS+X底层技术构建路径，深入分析Data+AI智能平台构建的现状与未来。他认为，今天的数据处置惩罚正在向多模融合方向发展，一站式的多模处置惩罚能力将是未来数据管理的标配。
1、智能升级加速，数据管理平台机遇与挑战并存

生成式AI重塑一切，很多工作的生产服从得到了极大提升，当AI内容生产和代码生成体现出接近甚至赶超人类的能力时，原有的数据管理模式也面临着巨大变革。与过去相比，今天的数据处置惩罚在数据量、数据类型、处置惩罚深度，以及与AI计算的融合等方面，都发生了显著的变化。这些变化不但进步了数据处置惩罚的服从和准确性，还为AI的创新发展提供了有力的支持。
生成式AI固然带来了前所未有的机遇，让企业在流程化、个性化服务创新过程中找到新的路径，但也存在着诸多挑战。面对Data+AI融合趋势的数据处置惩罚难点，周文超博士概括了三点：第一，数据的多模态化；第二，算力的多元融合；第三，数据处置惩罚的实时性。
数据的多模态：数据类型不再局限于传统的结构化数据，而是包罗了图片、文档、图、时序、交易等多种模态的数据，比如：IoT设备数据、车机图像数据等，这些多模数据是数据处置惩罚和分析的一大挑战。
算力的多元融合：算力也朝着多模态和异构方向发展。过去，无论是在操纵系统、数据库、离线数据处置惩罚还是实时数据处置惩罚中，主要关注的是以CPU为核心的算力。然而，随着大模型的出现，GPU、FPGA、ASIC等硬件逐渐加入到算力矩阵中。特殊是GPU，原本用于图形加速和比特币等领域，现在因其能处置惩罚更多向量数据，并且可用于矩阵乘法，在算力领域扮演着越来越重要的角色。另外，如安在多样化的算力硬件上合理分配计算使命，以及如何更好地调度和结合不同的异构算力，成为Data+AI领域必要攻克的另一个重要挑战。
数据处置惩罚的实时性：实时性也是数据处置惩罚领域的一个难点。从最初的离线数据处置惩罚，到现今的实时数据处置惩罚，我们见证了数据处置惩罚走向实时化的过程。过去，数据主要以批次情势处置惩罚，一天或一周进行一次分析或训练。后来随着实时分析场景的增长，必要分钟级甚至秒级的数据处置惩罚能力，例如：在数据监控平台上，用户希望每秒或每分钟都在更新数据，以便实时相识当前情况。同理，Data+AI也是相同的逻辑。如果几个月才能进行一次训练，那么最近的数据将如何处置惩罚？因此，数据管理平台对实时数据的处置惩罚，也成为企业必须要面对的一个重要课题。
只有解决了上述问题，Data+AI的落地场景才会变得更加丰富，数据驱动企业智能化升级才会成为可能。
2、阿里云DMS+X一站式数据管理平台筹划原理

准确来讲，Data+AI全部数据处置惩罚的背后主要源于三个核心要素，即数据、模型与算法、算力，正是这“三驾马车”成为数据管理智能平台能否提升业务服从的关键。
换言之，真正满足用户需求的Data+AI智能平台具有显着的Data Gravity（数据重力）倾向。如何理解Data Gravity概念？用一句话概括，就是让更多的模型、算法和算力向数据靠近，而不是来回迁徙数据。由于，搬数据这件事，本钱高昂，不能再像二十年前一样，把不同数据进行聚拢，再进行数据下发。现在，根本都是近存计算、存内计算，计算向存储靠近，向数据偏移。
此种背景下，阿里云瑶池数据库推出的Data+AI一站式多模数据管理平台做出几个重要改变：一、是一体化，打破数据生态和部署域的壁垒；二、让数据价值获取的路径变短。
所谓“一体化”，是指为用户打造一个同一的数据管理与开辟平台，以优化数据资产的可见性和利用服从。首先，通过一个会合化的界面，让用户能够清晰地查看全部分散在不同来源（如OLTP数据库、OLAP数据库、云存储及自有IDC等）的数据资产，从而更有效地管理数据并控制存储本钱，同时获得全局性的数据概览，这一理念体现在阿里云在DMS+X平台中提出的OneMeta+OneOps概念上。其中，OneMeta实现了数据资产的同一元数据管理，包罗数据的来源、表结构等关键信息；而OneOps夸大了开辟平台的同一性，支持从离线到在线、从OLAP到Spark再到AI等多种数据处置惩罚场景。通过OneOps概念，DMS+X整合了数据操纵、开辟运维以及针对大型语言模型等操纵，形成一个同一的操纵平台，让用户能够在这个平台上完成全部与数据相干的操纵，从数据清洗、编排到调用AI模型，从而收缩数据价值获取的路径，使数据价值的挖掘变得更加简单和高效。
值得一提的是，不同数据生态的打通也是DMS+X一大亮点。众所周知，OLTP数据库和OLAP数据库本身数据存储和处置惩罚情势不同，中间免不了要进行复杂的ETL转换。秉承Zero-ETL理念，DMS+X在数据转换通路上做了很多工作，让用户无需通过物理复制就能在无感知状态中将ETL服从提升5-10倍。
与此同时，让数据价值它的获取路径变得短，或者说让用户获取价值更简单，也是DMS+X智能平台提供的一个重要价值。为了将数据适配到AI处置惩罚的需求，DMS+X还进行了数据的AI ready化处置惩罚，如向量化等，使数据更易于被大型语言模型等AI技术理解和处置惩罚。此外，DMS+X还提供了Notebook、使命编排、以及结合百炼等智能开辟平台的一系列功能，帮助用户更容易地生成带有业务属性的数据处置惩罚流程，进一步提升数据价值的挖掘服从。
从现在应用现状来看，阿里云DMS+X的用户主要是互联网、零售、游戏以及泛娱乐领域，这些领域的企业本身就有核心的数据资产，希望通过数据处置惩罚能力的提升拓展AI边界，构建AI原生能力，进而实现数据资产的价值最大化。大体来看，企业智能化升级还处于刚刚起步的阶段，未来随着Data+AI融合速率的加快，其他传统领域也一定会全面跟进。
当然，部署Data+AI融合战略的企业不只阿里云一家。与同类竞品相比，阿里云“Data+AI”驱动的DMS+X一站式多模数据管理平台之所以成为各行各业实现数据价值新底座，是“厚积薄发”的效果。比如：生成式AI夸大的三层架构（底层底子设施层、中间模型层以及上层应用），阿里云很早就已提出IaaS+PaaS+MaaS全栈产物矩阵。过去几年，不管是IaaS（计算、存储、网络安全）、PaaS（中间件，数据库，计算平台），还是MaaS（通义系大模型），都已做到业内领先。
具体到数据库，经过十余年的应用实践以及技术迭代，阿里云瑶池拥有业界最全面的数据库产物结构，涵盖云原生关系型数据库PolarDB、云原生数据堆栈AnalyticDB、云原生多模数据库Lindorm等多款明星产物，可满足用户不同业务必要。技术方面，瑶池旗下的自研数据库拥有三层解耦、多主多写、HTAP、Serverless等全球首创或业内领先的创新能力。其中，PolarDB已完成全球首个大规模商用、基于共享存储的云原生多主数据库实践，并凭此成功摘得了中国首个ACM SIGMOD和IEEE ICDE的工业赛道“最佳论文奖”。
3、未来：AI停当，欢迎Gen AI时代

尽管在底层技术平台支撑上，人类已经做好了AI停当的准备，但距离真正的Gen AI时代到来，还有一段距离。周文超博士总结认为，大模型应用层将在未来占据主导职位，尤其是模型的推理应用，其价值将远超训练过程。在此背景下，阿里云瑶池数据库DMS+X发展规划也会变得更加清晰，将聚焦于支持更宏大的推理场景，通过提升用户体验和性价比来推动技术进步。
具体而言，DMS+X将致力于让用户在使用过程中更加便捷、高效，并通过资源混部、垂直领域数据的存储与计算优化等手段，进一步提升资源使用服从。同时，还会更积极地探索如何更高效地使用CPU、GPU、FPGA等算力资源，以期在未来技术落地中发挥重要作用。这些积极不但体现了阿里云瑶池数据库对未来技术趋势的深刻洞察，也彰显了企业在推动AI技术发展方面的坚定刻意和不懈积极。
而从技术人生的视角来看，以周文超博士为代表的研发团队，正以长期主义心态，将战略愿景转化为实际行动，致力于为用户带来更高效、更便捷的智能数据平台体验，推动着AI技术的持续进步和应用的快速拓展。

受访人简介：
周文超，阿里云数据库产物奇迹部AnalyticDB PostgreSQL及生态工具部负责人，负责云原生数据堆栈、数据库工具与管控的研发以及数据库系统与智能方向科研。专注于建设一体化Data+AI数据管理平台，支持日益丰富的数据计算需求和更趋异构化的底层架构，利用资源云化提升智能计算效能。
清华大学计算机系本科，宾夕法尼亚大学计算机与信息科学博士，国家级领军人才，浙江省顶尖人才。毕业后于美国乔治城大学计算机系任教，后升任终身教授。至今在一流国际学术会议与期刊上发表论文70余篇。主要研究方向是计算机系统的筹划和实现，涵盖数据库、分布式系统、计算机网络和系统安全等方向。曾获多项重要奖项，包罗美国基金委NSF CAREER Award（良好教授奖），ACM SIGMOD最佳博士论文奖，以及多个学术会议的最佳论文、最佳系统演示奖等。清华大学计算机系本科，宾夕法尼亚大学计算机与信息科学博士，国家级领军人才，浙江省顶尖人才。毕业后于美国乔治城大学计算机系任教，后升任终身教授。至今在一流国际学术会议与期刊上发表论文70余篇。主要研究方向是计算机系统的筹划和实现，涵盖数据库、分布式系统、计算机网络和系统安全等方向。曾获多项重要奖项，包罗美国基金委NSF CAREER Award（良好教授奖），ACM SIGMOD最佳博士论文奖，以及多个学术会议的最佳论文、最佳系统演示奖等。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)