Son iki yıl, veri platformu manzarasının tamamını süpüren benzeri görülmemiş bir yatırım dalgası getirdi. Databricks, Snowflake, Salesforce ve diğer büyük oyuncular dahil olmak üzere sektör devleri, en son teknoloji veritabanı ve veri yönetişimi teknolojilerini satın almak için milyarlarca dolar harcadı ve bu harcama çılgınlığı rastgele değil. Kurumsal veri ekosisteminde devam eden temel bir değişimin açık, yankılanan bir sinyali.
Resmen "tek sistemin hepsini kazandığı" model dönemini geride bıraktık. On yıllardır, kurumsal veri yığını
işlem işlemeye yönelik özel, silolu platformlar eklenerek gelişti: veri analizi için özel araçlar, yönetişim ve uyumluluk için ayrı sistemler ve yapay zeka denemeleri için izole ortamlar. Bu parçalanmış yaklaşım, kurumsal iş yükleri öngörülebilir, net bir şekilde bölümlenmiş ve farklı zaman çizelgeleri ve işlevsel amaçlarla ayrıldığında etkili bir şekilde çalıştı. Ajan yapay zeka bu uzun süredir devam eden çerçeveyi tamamen altüst etti.
Otonom yapay zeka ajanları, bir zamanlar ayrı iş yüklerini ayıran geleneksel sınırları ortadan kaldırır. Tek, kesintisiz bir iş akışı içinde bu ajanlar, eski veri operasyonlarını tanımlayan manuel devirler ve sistem boşlukları olmadan gerçek zamanlı kurumsal verileri alabilir, derinlemesine analiz yapabilir, otonom kararlar verebilir ve hedeflenmiş eylemler yürütebilir.
Bugünün işletmeleri birleşik bir yapay zeka ve veri anayasasına ihtiyaç duymaktadır: analitik, temel veri operasyonları ve yapay zeka girişimlerinin tasarıma göre uyumlu bir şekilde yönetildiği egemen, entegre bir temel. Bu yeni çağda, piyasa liderleri artık tek bir sınıfının en iyisi bağımsız yetenekle tanımlanmayacaktır. Bunun yerine, zafer, işlevler arası yetenekleri güvenli bir şekilde birleştiren, iç siloları yıkan ve tek bir birleşik, egemen veri ve yapay zeka platformu olarak faaliyet gösteren kuruluşlara ait olacaktır.
Yakınsama parçalanma üzerine inşa edilemez
Birçok analitik odaklı platform şimdi aşağı doğru yarışıyor, operasyonel veritabanı
ajan yapay zeka resmini tamamlamak için yetenekler. Ancak bu "eklentiyle yakınsama" sürtünmeye neden olabilir:
-
Sistemler arasında yinelenen veriler
-
Depolar ve operasyonel depolar arasında veri ping-pong'u
-
Öngörülemeyen gecikme
-
Parçalanmış yönetişim
-
Kontrolden çıkan jeton ve işlem maliyetleri
Bu önemlidir çünkü ajanlar verimsizliği artırır. Her ekstra gecikme saniyesi, çok adımlı
iş akışları. Her yinelenen sistem yönetişim yükünü ve operasyonel riski artırır.
Yakınsama artık ölçek için ön koşuld, karmaşıklığı tek, egemen bir
temel.
Rönesans anı: platformlar her mevsime uygun olmalı
Platformların yeni nesli bir depodan, bir işlem motorundan ve
bir yapay zeka araç zincirinden daha fazlası olmalı. Ajan çağında, altyapı aynı anda üç alanı desteklemelidir:
Tek bir iş yükünü izole bir şekilde optimize etmek artık işe yaramıyor. Kalıcı yakınsama operasyonel
güven katmanında başlar ve analitik ve yapay zeka yerel iş yüklerine doğru yukarı doğru uzanır. Sonradan takılamaz.
Postgres'in geliştiği yön budur: sadece bir işlem veritabanı değil, birleşik, yönetilen
canlı veriler üzerinde operasyonel yürütme, yüksek eşzamanlı analitik ve yapay zeka akıl yürütme için temel.
GPU hızlandırmalı analitik, ajan yürütmeyi veriye yaklaştırır
Bir sonraki sınır GPU öncelikli analitik yürütmedir. IDC araştırma direktörü Devin Pratt'ın yakın zamanda belirttiği gibi:
"Ajan iş gücünün gelişi, veri mimarisinin yeniden düşünülmesini gerektiriyor. İlgili kalmak için işletmelerin
ilerlemeyi durdurabilecek parçalanmış platformlar arasında veri ping-pong'unu azaltmaları gerekiyor. NVIDIA AI ve hızlandırılmış bilgi işlem ile desteklenen EDB Postgres AI,
bu ajan sistemlerini ölçekte çalıştırmak için yüksek hızlı, kurumsal düzeyde hazır
temel olarak konumlandırılmıştır ve kuruluşların bir sonraki otonom çalışma çağına hazırlanmalarına yardımcı olmayı amaçlamaktadır."
NVIDIA cuDF tarafından hızlandırılan Apache Spark ile entegrasyon yoluyla EDB'nin analitik motoru, analitik iş yüklerini GPU'lara boşaltabilir ve şunları sağlayabilir:
Çok terabaytlık veri kümelerinde 50-100 kata kadar daha hızlı analitik
Operasyonel sorgu performansını korumak için GPU tabanlı iş yükü izolasyonu
-
Apache Iceberg aracılığıyla lakehouse mimarileri ve yönetişim yetenekleri desteği
-
Bu, ajanların veri kopyalamadan ve kullanıcının Postgres'ten ayrılmak zorunda kalmadan saniyeler yerine saatler içinde terabaytlarca veriyi sorgulamasını ve sentezlemesini sağlar, konuşma analitiğini, gerçek zamanlı karar vermeyi ve çoklu ajan orkestrasyonunu destekler.
-
Egemen altyapı yapay zeka platformu kazananlarını belirleyecek
Ajan yapay zekayı oluşturma ve dağıtma yarışı artık daha büyük veri hacimlerini analiz etmeye odaklanmıyor. Temel odağı değişti: artık yapay zeka sistemlerini kurumsal düzeyde veriler üzerinde güvenli, güvenilir ve tam öngörülebilirlikle hareket etmelerini sağlamakla ilgili.
Şu analojiyi düşünün: bir arabayı en yüksek hızına ulaştıktan sonra değil, frenlerle donatırsınız. Ajan yapay zeka altyapısı için de aynı kural geçerlidir - yönetişim, veri egemenliği, katı iş yükü izolasyonu ve tam denetlenebilirlik sonradan düşünülmemelidir. Bu kritik sütunlar, ilk tasarım aşamasından itibaren sistemin özüne işlenmelidir.
Ajan çağında, yakınsama sadece bir strateji değil, temel bir mimari ilkedir. Veri egemenliği doğrudan operasyonel kontrole dönüşür. Ve nihayetinde, altta yatan veri ve yapay zeka altyapısının gücü ve tasarımı, bu dönüştürücü manzarada hangi işletmelerin zafer ilan edeceğini belirleyecektir.
Beijing Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Global Strateji Direktörü
WhatsApp / WeChat: +86 13426366826
E-posta: yangyd@qianxingdata.com
Mesajınız 20-3.000 karakter arasında olmalıdır!
Turkish
