戴尔近日宣布,将与Snowflake合作开展一项新的计划,把本地存储产品组合中的数据与Snowflake Data Cloud连接起来。
Snowflake Data Cloud 是一个云原生平台,不需要单独的数据仓库和数据湖,并且可以在整个组织之间安全地共享数据。该平台让客户可以对来自各种云服务和软件即服务应用的数据集进行统一,并让任何用户都可以访问这些数据集。然后,这些数据还可以用于数据科学、数据分析、数据应用开发,以及其他用途。
Snowflake Data Cloud中的数据可以通过Snowflake Data Marketplace进一步增强,让企业允许组织发现和使用来自FactSet Research Systems、Safegraph、Zillow和Weather Source等提供商的实时数据。
戴尔在美国拉斯维加斯举行的Dell Technologies World大会上宣布了双方的合作伙伴关系,Snowflake Data Cloud用户将很快能够把来自戴尔本地对象存储阵列的数据添加到组合中,同时把这些信息保持在本地环境中以满足合规性和治理要求法规。戴尔表示,该计划相关工作将在今年下半年准备就绪,届时戴尔将与Snowflake公布有关的产品集成和联合面市方面的情况。
戴尔表示,这是此类合作的首个尝试,将为那些运营着多云环境的客户带来更高的灵活性,让他们能够像使用云托管数据一样使用本地数据,同时满足他们的数据主权要求。
Moor Insights & Strategy分析师Steve McDowell认为,虽然Snowflake不是数据仓库领域最大的厂商,但肯定是最热门的一个。他说,与戴尔的合作将对Snowflake起到帮助作用,因为此前Snowflake在管理从本地到云端的客户数据方面遇到了困难。
他说:“这是很多基于云的、数据密集型应用都面临的一个难题。因此,戴尔和Snowflake合作是一个好消息,解决了一个非常现实的需求。但在我们看到双方研究有关细节之前,还无法真正发表评论。”
有关细节目前来看,Snowflake至少承诺双方的合作将为客户带来更多价值。Snowflake公司产品高级副总裁Christian Kleinerman表示:“与戴尔的合作将让企业组织能够从他们的本地数据中获得更高的价值,同时发挥Snowflake平台的性能和简单性,以及Snowflake Data Cloud的强大协作能力。”
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。