2025年9月26日——致力于将AI技术应用于复杂环境中数据的Cloudera今日发布最新全球调研报告《AI的发展演变:企业AI与数据架构现状》。该报告基于对1500余位IT领导者的调研,针对2025年AI应用加速、企业数据架构演进及安全扩展AI过程中出现的新挑战进行了深入分析。在Cloudera2024年报告基础上,报告着重分析了短短一年间企业优先事项、应用障碍与目标的变化,勾勒出企业AI快速发展演变的图景。报告强调,AI是未来发展的驱动力,而这一动力源自各类环境中的数据。企业需要能够访问其位于各类环境中的复杂数据,才能实现数据安全治理,并实时获取预测性洞察。
该报告调查结果发现,96%的IT领导者在一定程度上已将AI融入核心业务流程,这一比例较2024年显著提升,当时仅有88%的受访者表示其企业正在使用AI。这表明,AI已走出实验阶段,迈入了与核心流程和工作流的全面整合阶段。其成果也日益显著,70%的受访者表示其AI项目取得显著成功,仅1%尚未见到成效。
企业正借助多种AI技术实现上述成果。调查显示,60%的企业使用生成式AI、53%采用深度学习、50%使用预测性AI。同时,企业驾驭多种AI技术组合的信心也显著提升,67%的IT领导者表示,他们比一年前更有能力管理新型AI技术,尤其是AI智能体。这一成功背后是企业数据处理方式的进步。混合数据架构已成为主流,支持企业灵活管理跨云与本地环境的AI。当被问及混合架构的最大优势时,受访者重点提及安全性(62%)、数据管理能力提升(55%)和数据分析能力提升(54%)。
尽管在AI应用方面已经取得了进展,但企业仍处于努力发掘AI潜力和投资回报率的过程中。24%的受访者表示已经建立了高度数据驱动的企业文化(去年这一比例为17%)多数受访者表示,仍需努力将“以数据为中心”的理念融入业务实践。目前,妨碍数据架构支持AI工作负载的主要技术限制包括数据集成(37%)、存储性能(17%)和算力(17%)。数据访问同样是一大障碍,仅9%的企业表示其各类数据均可供AI项目访问使用,38%的企业表示可访问大部分数据。
Cloudera大中华区技术总监刘隶放表示:“调查显示,中国企业在AI技术选择上呈现出多样性,其中57%的企业正在使用深度学习AI模型,49%使用生成式AI模型,47%则应用了预测性AI。然而,仅有40%的中国受访者认为自己的组织具备高度或极强的数据驱动能力。这一差距凸显出,企业亟需构建坚实的数据基础,才能扩大AI应用规模。Cloudera将持续与中国客户携手,在确保安全与合规的前提下,帮助他们释放数据价值,并加速AI创新进程。”
Cloudera首席技术官Sergio Gago表示:“短短一年间,AI已从战略重点转变为亟须使用的技术。AI正迅速重塑企业运营模式,并重新定义竞争规则。然而,Cloudera调查显示企业在安全、合规和数据使用方面仍面临深层挑战,许多项目仍停留在概念验证阶段。Cloudera的使命是在确保数据治理、血缘和信任体系完整的前提下,将AI扩展到公有云、私有云、本地等多种数据环境。通过私有AI、防火墙后安全可靠的GPU加速生成式AI等创新技术,我们给予企业控制力和信心,助力其从各类数据中提炼洞察,快速迈入当前的融合时代。”
其他重要发现包括:
该报告在Cloudera的旗舰系列活动EVOLVE25 NY上发布。该系列活动聚焦AI与数据融合领域的创新成果。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。