在去年的甲骨文全球大會上海,甲骨文公司數(shù)據(jù)庫技術(shù)產(chǎn)品高級副總裁Andrew Mendelsohn攜正式發(fā)布不久的甲骨文旗艦數(shù)據(jù)庫Oracle Database 12c登場,12c讓他成為了當(dāng)時的“明星”。在本次甲骨文總部之行中,我們也采訪了這位在甲骨文工作30年、25年前就訪問過中國客戶的數(shù)據(jù)庫產(chǎn)品線元老。
甲骨文公司數(shù)據(jù)庫技術(shù)產(chǎn)品高級副總裁Andrew Mendelsohn
其實對于甲骨文數(shù)據(jù)庫的市場份額以及優(yōu)勢無須贅述,而面對云計算和大數(shù)據(jù)的高速發(fā)展,Andrew Mendelsohn認(rèn)為這也是甲骨文數(shù)據(jù)庫產(chǎn)品增長的驅(qū)動力。
在當(dāng)前云計算發(fā)展進(jìn)程中,更多客戶主要還是考慮把應(yīng)用軟件放到云上,通過云來實現(xiàn)自動化,若要支持這些應(yīng)用軟件的運(yùn)行,就需要包括甲骨文數(shù)據(jù)庫在內(nèi)的產(chǎn)品來支持。對甲骨文來說,關(guān)心是否市場上所有應(yīng)用軟件廠商在提供云模式后都還能夠繼續(xù)使用甲骨文的數(shù)據(jù)庫,而事實的確如此。目前世界上規(guī)模最大的SaaS公司使用的都是甲骨文數(shù)據(jù)庫產(chǎn)品,Salesforce.com甚至還買了50臺甲骨文Exadata一體機(jī)。
而當(dāng)所有客戶都開始認(rèn)識到要更好的利用大數(shù)據(jù)時,就要有數(shù)據(jù)庫平臺或者Exadata一體機(jī)這樣的平臺來運(yùn)行大數(shù)據(jù)。這也是甲骨文數(shù)據(jù)庫增長的驅(qū)動。
提及甲骨文數(shù)據(jù)庫,12c中的內(nèi)存數(shù)據(jù)庫增強(qiáng)功能因為與競爭友商的“爭論”而引發(fā)關(guān)注,Andrew Mendelsohn表示,其區(qū)別于對手之處在于:甲骨文在保留原有數(shù)據(jù)庫高性能交易處理基礎(chǔ)上增加高性能數(shù)據(jù)分析性能;客戶不用做任何的數(shù)據(jù)遷移工作;原先數(shù)據(jù)庫可靠性、可用性原封不動保留,對原先數(shù)據(jù)庫功能不需做任何改動和犧牲。
據(jù)他介紹,在今年夏季,甲骨文數(shù)據(jù)庫12c就會提供內(nèi)存數(shù)據(jù)庫增強(qiáng)功能選件;該功能也將可以在所有甲骨文集成系統(tǒng)上運(yùn)行,使得一體機(jī)不僅能發(fā)揮數(shù)據(jù)庫產(chǎn)品最佳性能,也能發(fā)揮內(nèi)存數(shù)據(jù)庫選件的最高性能;而在明年推出的下一代SPAC芯片中,也會把內(nèi)存選件性能發(fā)揮到極致。
因為對中國客戶和市場非常了解,Andrew Mendelsohn介紹了很多中國的情況。福建移動利用甲骨文Exadata集成系統(tǒng)運(yùn)行250T數(shù)據(jù);華為利用甲骨文Exadata集成系統(tǒng)運(yùn)行200T數(shù)據(jù)。在中國有很多銀行、金融機(jī)構(gòu)、保險公司、電信運(yùn)營商在廣泛采用Exadata集成系統(tǒng)解決方案。原來越多國內(nèi)客戶把Exadata作為部署私有云的基礎(chǔ),同時也考慮部署在公有云上。
Andrew Mendelsohn認(rèn)為中國對甲骨文的意義不僅是有客戶,還是重要的研發(fā)基地。他團(tuán)隊10%的數(shù)據(jù)庫研發(fā)人員在中國工作,在美國本地也有20%數(shù)據(jù)庫研發(fā)人員是出生在中國。甲骨文數(shù)據(jù)庫部門設(shè)立下三個客戶顧問委員會,其中有北美的客戶顧問委員會、中國客戶顧問委員會和其他地區(qū)的客戶顧問委員會。從這一設(shè)置足見中國市場的重要性。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。