13 億美金買個寂寞？No！AI 時代的數(shù)據(jù)行業(yè)蓄勢待發(fā)

6月底，全球數(shù)據(jù)分析領域徹底炸鍋了。

兩大數(shù)據(jù)分析企業(yè)Databricks和Snowflake紛紛將目光瞄準了AI大模型。要知道，這兩位對手平時沒少對臺戲，為性能、產(chǎn)品和技術經(jīng)常開撕。但在今年的自家大會上，兩家企業(yè)卻出奇的一致，不約而同將主題定位為：Data+AI，并且宣布巨資加碼AI大模型！

先是Databricks宣布以13億美元收購AI大模型初創(chuàng)公司MosaicML，成為今年以來生成式AI領域內(nèi)公布的最大一筆收購案。后是Snowflake宣布與NVIDIA合作，共同聚焦AIGC和專有大模型的開發(fā)。

可能有人會認為，數(shù)據(jù)分析企業(yè)“參和”到AI大模型領域，不是來添亂就是用于資本市場炒作。不過在筆者看來，數(shù)據(jù)分析企業(yè)們巨資加碼AI大模型的背后，恰恰是大數(shù)據(jù)、人工智能技術經(jīng)過多年發(fā)展與積累之后，數(shù)智生產(chǎn)力逐漸深入人心，如何高效、安全、便捷地釋放數(shù)智生產(chǎn)力已成為數(shù)智時代千行百業(yè)的一道必答題。

Data+AI的本質(zhì)：釋放數(shù)智生產(chǎn)力

Databricks斥巨資收購AI大模型的背后邏輯是什么？

這其實是Data+AI的融合大趨勢。

眾所周知，進入到數(shù)字經(jīng)濟時代，數(shù)據(jù)已被公認為新的核心生產(chǎn)要素，而AI則被視為具有變革性的生產(chǎn)工具，二者結(jié)合有望真正帶來生產(chǎn)力的飛躍。業(yè)界稱之為釋放數(shù)智生產(chǎn)力。

但高效、安全、便捷地釋放數(shù)智生產(chǎn)力絕非易事。隨著海量數(shù)據(jù)的增長，以及數(shù)據(jù)技術、人工智能技術的不斷迭代與演進，千行百業(yè)的用戶們也面臨著極為復雜的局面：

其一、數(shù)據(jù)走向海量化和多樣化，數(shù)據(jù)分析和各類模型也趨于復雜化。以OpenAI GPT大模型為例，近年來每一代GPT模型的參數(shù)規(guī)模呈指數(shù)級增加。如今，市場中千億級的AI大模型屢見不鮮。

現(xiàn)在，訓練一個大模型不僅需要耗費巨大的硬件成本，更需要花費大量精力在數(shù)據(jù)處理、訓練等環(huán)節(jié)，這讓很多用戶對于AI大模型抱著“想用卻不敢用”的心態(tài)。

其二、大量智慧場景的涌現(xiàn)，反向推動了更多的數(shù)據(jù)訓練、推理和分析的需求，這對于數(shù)據(jù)處理、分析等環(huán)節(jié)要求會越來越高。而在行業(yè)領域，各個業(yè)務場景嘗試接入AI大模型，除了會帶來釋放生產(chǎn)力之外，還會將數(shù)據(jù)處理等環(huán)節(jié)的要求提升到新的高度。數(shù)據(jù)處理、分析等需要走向自動化、智能化。

其三、數(shù)據(jù)消費群體持續(xù)擴大，帶來了前所未有的數(shù)據(jù)消費局面。過去，數(shù)據(jù)消費群體往往是少數(shù)管理層；現(xiàn)在，大量的業(yè)務場景中均需要對數(shù)據(jù)進行分析、挖掘，這極大推動了數(shù)據(jù)消費群體的增加。比如，中國的一些股份制銀行或者大型制造企業(yè)，其數(shù)據(jù)消費的月活員工早已過萬，并且員工占比還在持續(xù)提升，在日常業(yè)務場景中，“用數(shù)”已經(jīng)融入到各類員工的工作之中。

事實上，為了更好地幫助用戶們高效、安全、便捷地釋放數(shù)智生產(chǎn)力，數(shù)據(jù)分析企業(yè)這些年在加速推動Data+AI的融合。比如，集成TensorFlow等流行AI框架，支持機器學習工具的開發(fā)等。如今，布局AI大模型更像是Data+AI趨勢的進一步演進，水到渠成和順理成章。

那么，生成式AI或者AI大模型會對數(shù)據(jù)分析帶來哪些改變？

首先，AI的融合一定會讓數(shù)據(jù)分析的方式更加智能和便捷，持續(xù)降低數(shù)據(jù)消費和使用的門檻，而生成式AI或者AI大模型則會加速數(shù)據(jù)分析的智能化，且會對數(shù)據(jù)分析、智能用數(shù)方式帶來革命性的影響。

例如，在查詢和檢索、數(shù)據(jù)清洗和準備、分析和可視化等諸多環(huán)節(jié)融入生成式AI能力，讓數(shù)據(jù)分析極為簡單與便捷。以數(shù)據(jù)分析需求的流轉(zhuǎn)為例，過去以以人和人的對話、人和數(shù)據(jù)平臺 GUI的互動過程來完成，業(yè)務人員、數(shù)據(jù)分析師和數(shù)據(jù)工程師之間需要形成從解釋需求到反饋方案的循環(huán)，且是預設流程，過程復雜、效率低下且優(yōu)化迭代困難。

而將生成式AI融入之后，真正改變了過去輸入方式、交互方式，可以讓數(shù)據(jù)分析更好地契合用戶想法。

國內(nèi)領先的大數(shù)據(jù)分析和指標平臺廠商 Kyligence是業(yè)界最早探索Data+AI的突出代表。早在 2019 年，Kyligence 就推出了 AI 增強引擎，可以根據(jù)實際的數(shù)據(jù)特征和查詢習慣等主動分析業(yè)務用數(shù)模式，以實現(xiàn)數(shù)據(jù)模型自適應匹配業(yè)務查詢需求，將高度依賴專家且工作量巨大的的數(shù)據(jù)建模開發(fā)與設計等工作變成自動化和智能化。

無疑，生成式AI和AI大模型的融入，帶來更加出色的自然語言理解準確度、思考推理能力和以及自然語言的輸出，除了進一步讓數(shù)據(jù)分析加速走向智能化之外，也會徹底影響數(shù)據(jù)分析、數(shù)據(jù)消費、用數(shù)交互等方式，帶來變革性的改變。

當下，無論是云服務商，還是數(shù)據(jù)分析企業(yè)，均認可生成式AI融入到數(shù)據(jù)分析之中，且在加速布局。據(jù)悉，在7月14日即將舉辦的Kyligence用戶大會上，Kyligence將帶來Data+AI的重磅新品，目標直指大模型時代下的智能用數(shù)。

其次，生成式AI或者AI大模型與數(shù)據(jù)分析平臺的結(jié)合，未來會讓行業(yè)的專有大模型訓練、推理等變得更加簡單，大模型成本未來有望大幅下降。

當前，大模型的訓練與推理依然是一項復雜且成本高昂的工作，動輒數(shù)百萬美元的訓練和研發(fā)費用，讓很多用戶都叫苦不迭，降門檻和降成本對很多用戶而言將是善莫大焉。

有專家就認為，數(shù)據(jù)分析平臺和大模型技術的結(jié)合，未來有望讓企業(yè)可以使用自己的專有數(shù)據(jù)來簡單、快速、低成本進行生成式AI模型的訓練和構建，在讓用戶擁有數(shù)據(jù)的控制權和所有權的情況下，便捷進行自定義AI模型的開發(fā)。

可以說，隨著生成式AI的融入，Data+AI正在加速開啟新時代，釋放數(shù)智生產(chǎn)力也指日可待。

如何釋放數(shù)智生產(chǎn)力：看這里，上海見！

著名AI專家吳恩達認為，隨著開源AI算法的普及，成功運用AI技術的關鍵是數(shù)據(jù)為中心的AI (Data-centric AI)。深以為然。

今年6月底，13億美元的收購案為Data+AI打響了第一槍。隨著生成式AI、AI大模型開始與數(shù)據(jù)分析相結(jié)合，Data+AI的核心依然是以數(shù)據(jù)為中心。接下來，Data+AI會對數(shù)據(jù)分析的交互方式、企業(yè)數(shù)據(jù)使用方式甚至專有大模型的建立等帶來哪些新變化和新影響？

即將在7月14日舉辦的2023 Kyligence用戶大會值得密切關注。Kyligence由 Apache Kylin 創(chuàng)始團隊于 2016 年創(chuàng)辦，是目前領先的大數(shù)據(jù)分析和指標平臺供應商，連續(xù)三年進入Gartner 增強數(shù)據(jù)分析推薦廠商。

Kyligence在Data+AI的布局，表明中國數(shù)據(jù)分析企業(yè)一直走在業(yè)界變革的最前沿，對于AI大模型帶來的數(shù)據(jù)分析交互革命、智能用數(shù)同樣有著前瞻性的探索和布局。

據(jù)悉，在2023 Kyligence用戶大會上，Kyligence 將會發(fā)布 Data + AI 的重磅新產(chǎn)品。此外，本次大會還將云集海內(nèi)外行業(yè)領袖、技術專家、企業(yè)高管以及合作伙伴。此外，來自中金、德邦、平安銀行、中信銀行、三一重工、亞馬遜云科技等多個領域的專家將分享 Data + AI 領域的諸多重磅內(nèi)容。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。