۵ داستان داده برتر سال ۲۰۲۳: بازی مایکروسافت در جنگ ابری، خرید Databricks و موارد دیگر

سال ۲۰۲۳ سال هوش مصنوعی بود. با این حال، همانطور که هر شرکتی برای تقویت بازی هوش مصنوعی خود حرکت کرد، آنها همچنین به ارزش داده های تمیز و با کیفیت بالا پی بردند – به نیاز به زیرساخت های قوی در ترکیب بازگشتند. از Snowflake گرفته تا مایکروسافت، فروشندگان اکوسیستم داده از این فرصت استفاده کردند و حتی گاهی اوقات بازیکنان قابل توجهی را به دست آوردند تا به مشتریان خود این امکان را بدهند که از داده های آنها برای برنامه های مختلف هوش مصنوعی بهره ببرند و همچنین قابلیت های هوش مصنوعی مختلف را در محصولات خود پیاده کنند.

اینها ۵ داستان داده برتر VentureBeat در سال ۲۰۲۳ است

۱٫ اقدام مایکروسافت برای شکست آمازون و گوگل در جنگ ابری

در ماه می، مایکروسافت Fabric را معرفی کرد – یک پلتفرم تحلیلی سرتاسری که تمام داده ها و ابزارهای تحلیلی مورد نیاز سازمان ها، از جمله Azure Synapse Analytics و Power BI را در یک محصول واحد ترکیب می کند. ما با تحلیلگران صحبت کردیم تا بفهمیم چه چیزی این پیشنهاد را که هدف آن باز کردن پتانسیل داده‌ها و پایه‌گذاری هوش مصنوعی است، منحصربه‌فرد می‌کند و ممکن است به مایکروسافت کمک کند تا آمازون و سایر ارائه‌دهندگان ابری مانند گوگل را «جهش» کند. حداقل در مورد خدمات رسانی به شرکت های بزرگ سازمانی.

نوئل یوهانا، تحلیلگر Forrester، به VentureBeat گفت: «با کنار هم قرار گرفتن همه این قابلیت‌ها، مایکروسافت قطعاً در حال حاضر برتری جزئی نسبت به دیگر هایپراسکیلرها دارد.

۲٫ ظهور پایگاه داده برداری، نوع جدیدی از پایگاه داده برای عصر هوش مصنوعی

چارلز زی، مدیر عامل و بنیانگذار، با هوش مصنوعی مولد نقطه صحبت برای هر کسب و کار است. زیلیز، ظهور پایگاه های داده برداری را مورد بحث قرار دادیک دسته جدید از مدیریت پایگاه داده، و یک تغییر پارادایم برای استفاده از حجم نمایی داده های ساختار نیافته که در ذخایر اشیا استفاده نشده اند. پایگاه های داده برداری سطح جدیدی از توانایی را برای جستجوی داده های بدون ساختار ارائه می دهد، اما می تواند با داده های نیمه ساختاریافته و حتی ساختاریافته نیز مقابله کند. زی همچنین در مورد اینکه چگونه شرکت‌ها باید به پایگاه‌های داده برداری نزدیک شوند تا موارد استفاده مربوطه خود را هدف قرار دهند، صحبت کرد.

۳٫ خرید ۱٫۳ میلیارد دلاری Databricks به MosaicML

دیتابریکس پیش از اجلاس سالانه خود در ژوئن، زمانی که آن را منتشر کرد، خبرساز شد خرید شرکت هوش مصنوعی MosaicML را اعلام کرد به مبلغ ۱٫۳ میلیارد دلار ایده این بود که کل تیم و مدل‌های هوش مصنوعی MosaicML را زیر چتر خود بیاورد و به شرکت‌ها یک پلتفرم یکپارچه ارائه دهد تا بتوانند دارایی‌های داده را مدیریت کنند و از آنها برای ایجاد امنیت استفاده کنند. هوش مصنوعی مولد برنامه های کاربردی.

گفت: “هر سازمانی باید بتواند از انقلاب هوش مصنوعی با کنترل بیشتر بر نحوه استفاده از داده های خود بهره مند شود. Databricks و MosaicML فرصتی باورنکردنی برای دموکراتیک کردن هوش مصنوعی و تبدیل خانه دریاچه به بهترین مکان برای ساخت هوش مصنوعی و LLM مولد دارند.” علی قدسی، بنیانگذار و مدیرعامل Databricks.

۴٫ همکاران Salesforce برای پایه های داده قوی تر

در سال گذشته، Salesforce غول مدیریت ارتباط با مشتری (CRM) بازی هوش مصنوعی خود را با چندین پیشرفت محصول تقویت کرد. برای حمایت از این ابتکارات، در ماه سپتامبر، شرکت تحت رهبری مارک بنیوف اعلام کرد که Data Cloud اختصاصی آن، که اطلاعات را از منابع مختلف برای میزبانی پروفایل های مشتری یکپارچه در زمان واقعی گرد هم می آورد، از اشتراک گذاری داده ها و دسترسی دو طرفه با Databricks پشتیبانی می کند. دیتا لیک هاوس پلتفرم و ابر داده Snowflake.

این حرکت به مشتریان مشترک شرکت‌ها اجازه می‌دهد تا مجموعه داده‌های خود را غنی‌سازی کنند و موارد استفاده اضافی، از جمله ساخت و استقرار مدل‌های توانمندتر را با هدف قرار دادن مشکلات مختلف تجاری، تقویت کنند.

۵٫ Snowflake’s Document AI برای جستجوی داده های بدون ساختار

دانه‌های برف در ماه ژوئن موج‌هایی را ایجاد کرد راه اندازی Document AIیک جدید مدل زبان بزرگ (LLM) ابزاری که به شرکت‌ها اجازه می‌دهد تا به سرعت ارزش را از رگبار اسناد بدون ساختار خود استخراج کنند (فاکتورهای PDF را تصور کنید). این حرکت یک پیشرفت بزرگ برای شرکت – که با تمرکز بر داده های ساختاریافته آغاز شد – با ارائه یک راه آسان به تیم ها برای بسیج اطلاعات بدون ساختار مفید که اغلب در سیلوها پراکنده می ماند، نشان داد.

کریستین کلاینرمن، معاون Snowflake گفت: «ما در حال باز کردن یک دوره جدید داده برای مشتریان هستیم، از هوش مصنوعی استفاده می‌کنیم و سیلوهایی را که قبلاً با فرمت، مکان و موارد دیگر محدود شده بودند را حذف می‌کنیم تا انقلابی در نحوه استفاده سازمان‌ها از داده‌های خود و ایجاد بینش با Data Cloud ایجاد کنیم. .