北京,2020年3月17日——日前,由企业级云服务商青云QingCloud自主研发的时序数据库ChronusDB正式上线。ChronusDB时序数据库提供超强的查询分析、高性能并发读写、低成本存储、丰富的时序数据处理等能力,满足物联网设备监控分析、工业制造监控分析、系统及业务实时监控等场景的需求,旨在帮助企业实现对物联网数据的全生命周期管理和智能化分析,推动物联网产业朝着更加智能化的方向发展。
近年来,全球将物联网视为信息技术的第三次浪潮,是确立未来信息社会竞争优势的关键。据独立市场研究机构Forrester预测,物联网所带来的产业价值要比互联网高30倍,到2020年,中国物联网产业将成长为一个超过五万亿规模的巨大市场。万物智联时代即将到来,5G、AI、区块链等新一代信息技术与物联网加速融合。在智能互联的愿景中,物联网系统的机器、设备和传感器收集的数据,通过人工智能技术进行分析与关联,以更有意义的方式服务用户。然而,随着物联网数据量呈现指数级增长,时序数据的存储和分析也逐渐成为企业的“必答题”。
当工业物联网、金融交易、天气预测等数据逐渐成为生产生活常态的时候,由需求推动的时序信息就成了数据库的关注重点,而时序数据库就是负责物联网最具价值数据资产的存储分析服务。时序数据的特点是写多读少、冷热分明、高并发写入、无事务要求、海量数据持续写入,可以基于时间区间聚合分析和高效检索。基于此,青云QingCloud面向企业推出一款自主研发的时序数据库——ChronusDB。这是一款高效、安全、易用的时序数据分析利器,支持千亿条结构化数据毫秒级查询;采用高效数据压缩技术,减少存储使用空间,有效降低存储成本;支持近百种聚合函数,提供专业全面的时序数据计算函数支持;支持降采样精度、数据插值,满足各种复杂的业务数据查询场景。
物联网时代,工业互联网产生的数据量比传统的信息化要多数千倍甚至数万倍,并且是实时采集、高频度、高密度的,动态数据模型随时可变。针对如此大规模且复杂数据的采集、存储、分析,企业往往需要的是一整套的物联网解决方案。首先,工业制造企业可借助ChronusDB时序数据库,实现对各种工业生产设备进行实时高效的数据采集和云端汇聚,通过实时的监控系统进行设备状态检测、故障发现及业务趋势分析;其次,企业可借助QingCloud IoT平台收集物联网设备的监控数据,将原始数据全量写入到ChronusDB中,通过其丰富的计算函数支持,快速分析物联网设备产生的时序数据;最后,企业可通过青云QingCloud深度学习平台,实现AI应用的快速量身定制,对物联网全量数据的智能化分析,进而实现智能制造在行业的落地。
5G、人工智能、工业互联网、物联网等新型基础设施,正在成为产业数字化转型的重要引擎,“新基建”浪潮再起,必将引爆物联网时代。近年来,青云QingCloud不断加速自研产品从云计算向物联网的渗透,推动物联网解决方案的快速落地,用实际行动践行着“数字世界之基石”的愿景信条。未来,青云QingCloud将不断加大创新研发的投入,全面赋能万物智联时代,推动数字经济产业升级。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。