100億美元史上最大融資的背後，國內外巨頭齊瞄準Data+AI_風聞
大数据在线-30分钟前
《失控》作者K·K認為：未來的商業乃數據之商業，處理數據和處理客户一樣重要。
的確，數據是所有企業在數字化時代的生命之源。隨着AI大模型和生成式AI的崛起，讓企業生產力範式迎來巨大變革，數據要素+人工智能技術已徹底重塑企業的流程、管理和服務等，成為企業在市場中形成差異化競爭優勢的關鍵。
這其中，如何讓Data+AI更好地融合正在成為當前產業界所面臨的首要挑戰。Data+AI融合不僅是企業實現數據價值持續釋放的關鍵，也是大規模應用AI技術的基礎前提，更直接決定着未來生產力範式的全面轉變。
近年來，無論是國外的AWS、Databricks、SAS等公司，還是國內的雲大廠、StarRocks等初創公司，均將目標瞄準Data+AI ，旨在從產品上化繁為簡，推動Data+AI的全面融合，以滿足越來越多複雜的應用需求，幫助企業在AI時代打造新質生產力。
史上最大融資，Data+AI的勝利
幾年前機器學習流行之際，Data+AI融合的苗頭已開始顯現，像Cloudera、Databricks等大數據公司紛紛致力於集成TensorFlow等流行AI框架，支持機器學習工具的開發等；2023年初，AI大模型和生成式AI應用的爆發，則猶如一股強勁的催化劑，極大地推動了Data+AI走向融合。
例如，剛剛完成100億美元史上最大融資的獨角獸Databricks就動作頻頻，不僅打造出開源大模型Dolly，還收購大模型公司 MosaicML，並致力於構建數據分析與人工智能的統一平台。
Data+AI融合趨勢之所以被產業界廣泛認可，實乃數據分析+人工智能平台已經成長為企業數智轉型升級的核心底座，牽引着企業生產力範式的轉變和未來轉型升級。
一方面，在Scaling Law法則驅動下，形成通用大模型和垂直大模型並存發展的局面，AI大模型快速迭代與發展帶來極為複雜的數據處理需求，對於數據處理帶來一系列全新的挑戰。眾所周知，大模型的效果好壞與數據質量息息相關，而數據質量很大程度又依賴對海量數據的數據治理、處理和管理。例如，檢索增強生成（RAG）是生成式AI應用的關鍵技術，需要結合向量數據庫與傳統數據庫技術，提升數據檢索和生成的能力，對於數據處理帶來諸多挑戰。
因此，面對日益複雜的數據環境，Data+AI融合勢在必行，構建靈活、高效和智能的數據分析與人工智能統一平台成為大勢所趨。“大模型時代，企業的IT架構正在變成以數據為核心，大數據和大模型的融合，是形成新質IT生產力的關鍵。”騰訊雲副總裁黃世飛在12月一場媒體溝通會上如是説。
那麼，Data+AI在產品層面是如何實現的？什麼樣的數據分析與人工智能平台代表着未來Data+AI的融合趨勢？
Data+AI如何走向融合
Data+AI在產品層面上的融合，本質上是為了簡化數據處理和提升人工智能開發應用效率。
在目前市場中，國內外眾多巨頭、獨角獸均瞄準了Data+AI的融合。Databricks是推動Data+AI融合的代表。作為數據分析與人工智能領域的獨角獸，Databricks雖然有花費巨資收購大模型初創公司MosaicML這樣的大手筆，但始終堅持統一架構的產品模式，致力於將數據湖倉、數據工具和AI工具集成為統一的數據分析與人工智能平台，近年來基於統一架構下更是開發出Lakehouse IQ、LakehouseAI、AI Gateway、Unity Catalog等一系列新功能。
同樣，AWS也在致力於簡化數據處理與人工智能的技術堆棧。在今年12月的re：Invent大會上，AWS直言數據、分析和AI結合在全新的平台是重要的趨勢。為此，AWS正在整合SQL Analytics、Data Processing、Machine learning、生成式AI開發、BI等諸多功能，並且通過一站式的平台提供給用户使用。
如果仔細分析上述三家公司在Data+AI融合方面的動作，會發現一體化、智能化、高性能和雲原生是Data+AI在產品層面最為關鍵的四個趨勢。
首先是一體化。一體化的架構與產品無疑是簡化技術棧、推動各種產品功能融合和提升AI應用開發效率的關鍵方式。事實上，像Databricks、騰訊雲等公司是一體化產品策略的堅定支持者。騰訊雲大數據基礎產品中心總經理程彬直言，AI大模型時代，數據分析與人工智能平台需要在產品體驗和運營層面減少複雜性，迴歸到減法模式，太多的選擇意味着效率會降低。
其次是智能化。眾所周知，當前所有產品都迎來一次重要的重塑，AI大模型和生成式AI正在深刻改變各種軟件產品的設計、開發和體驗，數據分析與人工智能平台產品也不例外，甚至需要走在智能化的最前面，在數據治理、數據管理、模型訓練、應用開發等方面更加智能化，降低數據分析與AI開發的門檻，推動AI應用的普及。
第三是高性能。當前，企業面臨的數據棧環境複雜程度遠勝以往，數據分析與人工智能平台從過去單一的數據倉庫迅速走向囊括指標平台、交互式分析、即時分析、流計算、機器學習等在內的綜合平台，對於各項工作負載的性能要求也是水漲船高，“Data+AI融合的趨勢下，追求高性能將成本平台產品的基本訴求。計算範式延伸到二維表+分佈式ML計算+AI搜索，需要面向多種工作負載的高性能計算引擎來支撐。”程彬如是説。
最後則是雲原生。事實上，無論AWS、騰訊雲這些雲服務商，還是Databricks、Snowflake、StarRocks等，他們的數據平台類產品無一例外從誕生伊始與雲強相關，生於雲、長於雲，充分利用雲原生的特性，實現資源的彈性伸縮，以適應不同的工作負載需求。
“在AI大模型時代，數據平台不僅僅需要雲原生，還需要AI原生，讓整個數據分析與人工智能平台自身更加聰明、更加自治。”程彬補充道。
中國Data+AI浪潮來襲，誰有備而來？
無疑，中國市場正迎來Data+AI融合浪潮的全面來襲。
隨着中國千行百業數字化轉型的深入，中國正成為當之無愧的數據大國。IDC預測，中國在2024年預計生成38.6ZB數據，未來五年，中國的數據量年複合增長率（CAGR）將達到25.7%，中國有望成為全球最大數據圈，為生成式AI應用帶來豐富的數據資源。
另一方面，中國AI大模型領域發展迅速，AI大模型正加速進入到各大垂直行業之中。同時，中國行業豐富、產業佈局完整，有着極為豐富多樣的行業應用場景，是生成式AI等技術天然優良的“試驗土壤”和“培育基地”。沙利文頭豹《2024年中國行業大模型市場報告》顯示，中國行業大模型市場2024年有望達165億元，同比增長57%，行業智能化轉型需求是市場爆發性增長的主要驅動力。
顯然，在“數據要素X”三年行動計劃”、“人工智能+”等政策的驅動下，數據分析與人工智能平台將成為企業未來轉型升級的核心抓手。IDC《數據智能市場趨勢分析，2024》報告認為，在生成式AI的驅動下，未來5年中國企業在數據管理和數據分析基礎設施建設的投資將持續高增長。
事實上，巨大的市場潛力也吸引到眾多市場參與者，並且湧現出一批數據分析、人工智能相關的產品。這其中，騰訊雲可謂是有備而來，其最新的TCHouse-X採用一體化的架構設計，徹底打破傳統數據平台在離線計算、在線計算和AI開發之間的壁壘，成為數據分析與人工智能一站式平台的代表。
除了採用一體化的架構設計之外，騰訊雲TCHouse-X在優化器、計算引擎、存儲引擎等核心引擎是全部自研，能夠為用户提供全鏈路極致性能；同時，騰訊雲TCHouse-X實現系統交互、資源管理和運維管理的智能化，並能夠即時感知負載並智能規劃資源；此外，TCHouse-X支持多種彈性策略，擅長支撐突發流量高峯、大規模查詢等場景。
綜合來看，騰訊雲TCHouse-X作為數據分析與人工智能一體化平台產品，已經展現出極強的產品力。例如，在在線查詢方面，騰訊雲TCHouse-X性能優於Snowflake 50%，離線批處理綜合性價比優於Snowflake 10倍以上。
據悉，針對TCHouse-X，騰訊雲目前推出了公有云版本。“騰訊雲的產品策略是公有云與私有云並重。TCHouse-X會最先在公有云上為用户提供服務，後續會逐漸進入到私有云，去適配私有云環境中的各種IT環境。”黃世飛最後表示道。