当前位置: 首页 > news >正文

质变科技亮相可信数据库发展大会,参编《数据库发展研究报告2025》

图片

数据库作为支撑数据存储与计算的关键载体,在数据要素时代的重要性愈发凸显。过去一年,全球数据库新技术、新业态、新模式不断涌现;我国数据库应用创新于重点行业快速推进。随着人工智能技术深刻变革,数据库与AI融合趋势愈发明显。数据库不再仅仅承担数据存算功能,更成为AI应用的关键底座。在这一变革中,我国数据库产业正在经历前所未有的质变阶段。

2025 年 7 月 16-17 日,「2025 可信数据库发展大会」在北京召开。大会由中国通信标准化协会主办,中国信息通信研究院、中国通信标准化协会大数据技术标准推进委员会(CCSA TC601)承办。作为AI-ready Data Cloud代表厂商,质变科技受邀出席大会,质变科技技术合伙人魏闯先就《Native & Deep Data-centric Cloud》进行主题分享。

大会发布多项中国信通院及中国通信标准化协会大数据技术标准推进委员会(CCSA TC601)在数据库领域的最新研究和实践成果。由质变科技参与编制的《数据库发展研究报告(2025年)》,围绕数据库产业市场规模、竞争格局、产品类型、商业模式、投融资热点、重点行业、学术创新及标准体系等方面的发展态势,总结形成了全球数据库产业八大洞察,详细阐述了数据库技术与云原生、图计算、机器学习、生成式人工智能等技术相结合的细分领域发展情况。

《报告》指出,数据库技术已迈入AI原生时代,将作为关键基础设施支撑人工智能高效建模即DB for AI。一方面,向量数据库提升大模型检索效率。向量数据库作为一种专为高维向量数据设计的存储与检索系统,为解决向量检索难题、LLMs幻觉问题及知识库更新挑战提供了新路径。另一方面,多模数据库赋能大模型多样化数据。多模数据库能够通过统一的存储引擎、查询接口和事务管理机制,保证性能和一致性的同时,实现对异构数据的原生支持,极大地简化系统架构,提升了开发效率与数据处理能力。

 端到端Data+AI解决方案,完备Agentic Data Cloud产品体系

质变科技为企业提供端到端Data+AI解决方案,具备完整的Agentic Data Cloud产品体系,包括AI-Native DataAgent Open Platform(OpenAPI)、AI-Native Data Analytics Cloud(SaaS)、AI-ready Data Warehouse。其中,以数据为中心的Relyt AI-ready Datawarehouse产品,经全球百万AI数据分析用户验证,以其独具优势的弹性、性价比和大规模数据处理能力,为AI领域多家头部客户提供AI数据存储和计算服务。在中大型数据仓库的应用场景中,Relyt不仅显著降低总体拥有成本(TCO),节省超过百万人民币,而且在查询稳定性和查询成功率方面,相比主流产品提升了6倍以上,查询成功率超过99.9%。

图片

以下是部分成功案例:

世界500强消费电子企业:通过采用Relyt产品,该企业解决了长期困扰的多个业务单元(BU)/子业务的混合负载问题,从根本上确保了稳定性和99.9%的查询成功率,同时将成本降低了50%,性能提升了1.3x。

中国TOP5短剧平台:使用Relyt产品后,与某头部云厂商的核心产品相比,查询延时降低了近10x,ETL场景的成本下降了90%。

中国TOP5舆情服务类企业:借助Relyt,该企业支持了千亿级别的向量规模和实时数据更新,按需扩展AI业务规模,实现了数据大集中。在98%的召回率下,实现了QPS过万以及延迟低于10ms。

中国TOP5新能源汽车公司:通过使用Relyt产品,该公司支持了DataInsight、RAG与数据分析的一体化能力,以及非结构化数据的融合检索分析,实现了售前智能客服等场景的高精准、可解释的数据服务。

 决策智能体Data Agents Team

图片

智能体将成为未来数据分析应用的交互入口,而从目标感知到自主行动之间,还缺乏可信的决策智能系统。致力于构建端到端精准数据能力,质变科技最新发布了决策智能体(Data Agents Team)——Relyt AI。该产品凭借深度数据理解、人机在环自动化(HITL)以及多智能体框架,当前已获得全球15000家组织、超140万专业数据用户的高频使用和验证,累计处理超过200万文件和1200万数据任务。Relyt AI在零售、新能源、高端制造等行业的深度应用案例,不仅展现了“可解释性+可干预性+准确性”带来的巨大生产力优势,还引起了Gartner等权威分析机构的广泛关注。

Gartner分析师认为,质变科技正在扩展从AI-ready数仓到数据分析生成式应用再到决策智能体系统(Agents Team)的端到端平台能力,而非简单的自然语言BI增强。这使其能够覆盖从纯业务人员到有数据素养的高级分析人员的广泛用户群体。

http://www.lryc.cn/news/592805.html

相关文章:

  • 读书笔记:《动手做AI Agent》
  • 飞算科技:以创新科技引领数字化变革,旗下飞算 JavaAI 成开发利器
  • 软件工程中的《资本论》
  • KRaft 角色状态设计模式:从状态理解 Raft
  • Redis学习其二(事务,SpringBoot整合,持久化RDB和AOF)
  • java基础——面向对象04(继承)
  • 通俗易懂:什么是决策树?
  • STM32-第七节-TIM定时器-3(输入捕获)
  • STL—— list迭代器封装的底层讲解
  • 小白学Python,网络爬虫篇(2)——selenium库
  • 2025年Flutter开发主流技术栈
  • Windows发现可疑的svchost程序
  • 怎么自己搭建云手机
  • Hive 向量化执行引擎 Vectorized Execution 常见 NPE 报错分析及解决
  • 域名WHOIS信息查询免费API使用指南
  • HIVE实战处理(二十四)留存用户数
  • 专题:2025智能体研究报告|附70份报告PDF、原数据表汇总下载
  • 线程控制:互斥与同步
  • math.h函数
  • 深度学习零基础入门(3)-图像与神经网络
  • 需求变更频繁?构建动态估算机制四大要点
  • 短视频矩阵系统:选择与开发的全面指南
  • nastools继任者?极空间部署影视自动化订阅系统『MediaMaster』
  • 代理模式及优化
  • 解锁时序数据库选型密码,为何国产开源时序数据库IoTDB脱颖而出?
  • 脉冲神经网络(Spiking Neural Network, SNN)与知识蒸馏(Knowledge Distillation, KD)
  • Vue3 Anime.js超级炫酷的网页动画库详解
  • Kubernetes (k8s)、Rancher 和 Podman 的异同点分析
  • Jmeter系列(6)-测试计划
  • 网关-微服务网关实现