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
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自首尔国立大学的研究提出了状态机推理(SMR)框架,解决了大型语言模型在信息检索中的过度思考问题。研究者将推理过程从冗长的令牌生成转变为离散动作(精炼、重排序、停止),使系统能够高效地在状态间转换。实验结果表明,SMR在BEIR和BRIGHT基准测试中显著提高了检索性能,同时减少了74.4%的计算资源消耗,证明其在不同语言模型和检索器中的通用性。这种结构化方法不仅解决了冗余轨迹和误导性推理问题,还为构建更高效的信息检索系统提供了新思路。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
REASONING GYM是GitHub团队开发的一个突破性推理环境库,为强化学习模型提供可验证奖励。与传统固定数据集不同,它能生成无限训练数据并调整难度,涵盖代数、算术、认知、几何等100多个领域的数据生成器。研究显示,即使顶尖AI模型在复杂任务上表现也不佳,而专门针对推理训练的模型明显优于通用模型。更重要的是,在一个领域学习的技能可以意外地迁移到其他领域,这为提升AI推理能力提供了新路径。