當下,眾多企業(yè)與組織都在努力緊跟大數據發(fā)展趨勢,但其中的挑戰(zhàn)也相當嚴峻。單單是管理規(guī)模龐大的數據集已經頗為艱難,更遑論從中提取出有意義洞見并借此建立競爭優(yōu)勢。
這種對大數據管理能力的實際需求,推動又一波初創(chuàng)企業(yè)投身其中,開發(fā)下一代數據庫軟件與數據管理工具。
1、Ahana
聯合創(chuàng)始人兼CEO:Steven Mih
總部:美國加州圣馬特奧
Presto最初由Faebook公司開發(fā)完成,用于查詢該公司PB級數據倉庫中的數據資產。2013年,Facebook決定將Presto轉化為開源項目。
Ahana公司最近告別隱身模式,開始圍繞PrestoDB(基于Presto技術的另一個開源項目)開發(fā)即席分析軟件。今年6月初,該公司表示已經從GV(前Google Ventures)牽頭的融資中籌集到225萬美元種子資金,這筆款項將主要用于擴大技術團隊規(guī)模并加快開發(fā)工作。
2、Aparavi
CEO:Adrian Knapp
總部:加利福尼亞州圣莫尼卡
文件備份與數據保護方案供應商Aparavi公司于今年3月推出了其首款數據智能與自動化平臺,據稱該系統(tǒng)將幫助企業(yè)高效應對分布式IT世界所帶來的數據混亂、風險與識別發(fā)展機遇等難題。
該系統(tǒng)還包含適用于分布式數據的分析、機器學習及協(xié)作工具,可幫助用戶將數據資產切實轉化為競爭優(yōu)勢。
3、Cockroach Labs
聯合創(chuàng)始人兼CEO:Spencer Kimball
總部:美國紐約
2019年10月,這家初創(chuàng)企業(yè)又發(fā)布了CockroachCloud,即該數據庫的全托管分布式版本。
今年5月,該公司在新一輪融資中籌得8660萬美元,歷史融資總額則達到1.951億美元。
4、Equalum
總部:美國加州桑尼維爾
Equalum公司表示其技術擁有“無限的速度與可擴展性空間”,用戶無需任何編程經驗即可開發(fā)出數據管道。
5、Okera
總部:美國舊金山
Okera公司開發(fā)出一套平臺,供IT管理員自動發(fā)現并標記各類敏感數據、制定并執(zhí)行數據治理策略,并對數據安全性與治理操作進行審計。
今年4月,Okera公司在B輪融資中籌得1500萬美元,這也使其歷史融資總額增長至2960萬美元。這筆款項將主要用于擴大內部工程技術、銷售與市場營銷團隊。該公司還任命了ZoomData前任總裁兼CEO Nick Halsey出任新的CEO。
6、PlanetScale
總部:美國加州山景城
該公司的這套PlanetScaleDB Cloud是一種全托管、多云架構且具備MySQL兼容性的數據庫即服務。對于希望自主運行數據庫即服務體系的客戶,他們還準備了PlanetScaleDB Enterprise。
今年6月,該公司推出PlanetScaleDB for Kubernetes,用于將數據庫直接部署至Kubernetes集群當中。
7、Promethium
CEO:Kaycee Lai
總部:加利福尼亞州門洛帕克
”Promethium公司在今年1月籌得600萬美元風險資金。
8、Rivery
聯合創(chuàng)始人兼CEO:Itamar Ben Hemo
總部:美國紐約
、并加載至云端分析系統(tǒng)(例如Amazon Redshift、Google BigQuery以及Snowflake)當中的整個流程。Rivery公司于2019年11月獲得500萬美元的種子輪投資。
9、Starburst
總部:美國波士頓
憑借著直接訪問數據駐留位置以及無需移動即可直接查詢等強大功能,Starburst軟件已經成為傳統(tǒng)數據倉庫系統(tǒng)的一種良好替代方案。
今年6月,Starburst公司在B輪融資中籌得4200萬美元。在2019年11月的A輪融資中,他們也籌得2200萬美元。
10、Theia
總部:加拿大安大略省渥太華
。該系統(tǒng)還提供一份完善的分析功能目錄,涵蓋數據發(fā)現與治理、搜索、個性化、以及面向客戶進行信息發(fā)布的外部門戶等功能選項。
研究企業(yè)Gartner最近將Theia公司評為“Cool Vendor”。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(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量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。