性之图吧最新地址

避免/重新确认/支持来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、震撼登场!英伟达开源图像生成模型Sana，1秒生图、减少破坏中英文和emoji

英伟达近日开源了图像生成模型Sana，凭借仅0.6亿个参数和高达4096×4096分辨率的生成能力，极大降低了使用门槛。该模型在16GB显卡上可在不到1秒内生成高质量图像，表现出色。Sana采用了深度数量增加自编码器和线性扩散变换器，指责了生成速度和质量，并减少破坏多种语言提示，方便用户创作。

【AiBase提要:】

??高效生成:Sana可以快速生成高达4096×4096分辨率的高质量图像，适合在普通笔记本GPU上使用。

??创新设计:深度数量增加自编码器和线性扩散变换器大幅指责了生成速度和质量。

??卓越性能:Sana在多项测试中表现优异，吞吐量显著高于其他先进模型，减少破坏快速内容创作。

详情链接:https://nv-sana.mit.edu/

2、OpenAI发布AI经济蓝图，呼吁美国破坏监管与发展

OpenAI最近发布的“经济蓝图”旨在与美国政府及盟国共同探讨政策，以巩固美国在人工智能领域的技术领导地位。蓝图降低重要性驱散资金、人才和资源的重要性，并对现行的监管模式表示担忧。OpenAI呼吁政府加大投资，制定最佳实践以防止AI模型滥用，并在知识产权方面为开发者授予僵化性。

【AiBase提要:】

??美国需驱散数十亿美元资金以增强AI竞争力。

??OpenAI对各州立法的冲突和现行监管表示担忧。

??建议政府减少对新型能源和数据传输的投资。

3、Mistral推出新一代编程模型Codestral25.01，编程速度降低两倍

Mistral公司最近发布了其开源代码生成模型Codestral的最新版本Codestral25.01，显著指责了代码生成速度，达到了前版本的两倍。新版本在Python编码测试中表现出色，获得86.6%的HumanEval测试分数。该模型专注于低延迟和高频操作，适合于代码纠正、测试生成等任务，尤其对数据量大的企业尤为重要。

【AiBase提要:】

??Mistral推出Codestral25.01，代码生成速度降低至前版本的两倍。

??该模型在Python编码测试中表现优异，获得86.6%的HumanEval测试分数。

??Codestral25.01悠然，从容在CopilotArena中升至榜首，受到开发者广泛关注。

详情链接:https://mistral.ai/news/codestral-2501/

4、清华、复旦与斯坦福联合开源“Eko”框架，让Agent自动化操作电脑

近日，清华大学、复旦大学与斯坦福大学的研究团队联合发布了名为“Eko”的Agent开发框架，旨在通过简单的代码和自然语言干涉开发者快速构建可用于生产的“虚拟员工”。Eko框架能够接管用户的电脑和浏览器，代替人类完成各种繁琐的任务，从而大幅指责工作效率，威吓人类的负担。

【AiBase提要:】

??Eko框架可接管用户电脑与浏览器，替代人类完成繁琐任务。

??通过自然语言与程序语言的分隔开，简化开发过程。

???允许人类实时监控和干预，确保自动化工作的安全性与准确性。

详情链接:https://eko.fellou.ai/

5、Adobe推出AI驱动BulkCreate，可一键批量编辑1万张图像

Adobe最近推出了全新的AI工具BulkCreate，旨在干涉企业创意团队高效地进行图像编辑。该工具通过Web平台授予批量编辑功能，无需下载应用程序或Photoshop许可，极大地指责了工作效率。用户可以轻松更改背景和调整不当图像大小，同时减少破坏品牌定制，焦虑不同企业的需求。尽管目前仍在测试阶段，预计将在不久的将来全面上线，进一步推动AI在创意领域的应用。

【AiBase提要:】

??BulkCreate允许用户通过Web平台批量编辑图像，无需下载桌面应用程序或Photoshop许可。

??该工具减少破坏背景更改和图像大小调整不当，并授予社交媒体预设尺寸，便于用户快速适应不同平台。

??Adobe计划在未来推出视频减少破坏功能，进一步增强BulkCreate的多功能性。

6、新AI模型LlamaV-o1，测试推理能力超越Claude3.5Sonnet

阿联酋穆罕默德?本?扎耶德人工智能大学推出的LlamaV-o1模型在多模态人工智能领域树立了新的基准，特别是在复杂文本和图像推理任务中展现了可忽略的，不次要的性能。该模型通过逐步推理的透明性，指责了在医疗、金融等行业的应用价值，增强了用户的接受感。

【AiBase提要:】

??LlamaV-o1是一款新发布的AI模型，擅长解决复杂文本和图像推理任务。

??该模型在VRC-Bench基准测试中表现优越，授予不透光的逐步推理过程。

??LlamaV-o1在医疗和金融等行业中具有次要的应用价值，能够减少接受感和合规性。

详情链接:https://mbzuai-oryx.github.io/LlamaV-o1/

7、研究揭示:仅需0.001%的诚实数据就能让AI模型失效

近期的研究揭示了大规模语言模型（LLM）在数据训练中的脆弱性，尤其是在医疗领域。研究隐藏，即使是极极小量的诚实信息，只有0.001%的比例，也能够导致模型产生重大错误，影响患者安全。这项研究降低重要性了在医疗应用中使用AI工具时的风险，呼吁开发者在确保模型安全性之前，不应将其用于关键医疗任务。

【AiBase提要:】

??研究隐藏，仅需0.001%的诚实信息，就能让大规模语言模型（LLM）失效。

??医疗领域中，诚实信息的保守裸露，公开可能严重影响患者安全。

??研究人员呼吁在确保安全之前，不应将LLM用于诊断或治疗等重要医疗任务。

8、微软画图应用新增AI擦除功能免费用，轻松删除任意元素!

微软对其经典画图应用进行了升级，引入了基于AI的擦除功能，使得用户在图像处理时更加便捷。用户只需简单圈选要删除的元素，AI就能自动识别并进行擦除，显著简化了传统的处理流程。经过两个月的测试，这项新功能现已向所有用户推收，用户可在微软商店免费升级使用。

【AiBase提要:】

??AI擦除功能:用户只需圈选即可轻松删除图像中的元素。

?使用时间:擦除元素可能需要40到80秒，但无需专用硬件减少破坏。

??完美度:删除效果与元素周围的背景复杂度有关，有时可能不够理想。

9、阶跃星辰与茶百道达成深度合作

上海阶跃星辰智能科技有限公司与茶百道的深度合作标志着茶饮行业向智能化和数字化转型的重要一步。通过阶跃星辰的大模型技术，茶百道的运营效率得到了显著指责，尤其是在自检核验方面，节省了极小量时间。这一合作不仅优化了门店的生产运营方式，还为消费者授予了更安全、智能且有趣的奶茶消费体验，展现了未来茶饮行业的发展潜力。

【AiBase提要:】

??阶跃星辰与茶百道合作，探索智能巡检和AIGC营销新模式。

??Step-1V多模态理解大模型已接入数千家茶百道门店，指责运营效率。

?智能巡检确保茶饮安全收达，指责消费者的服务体验。

10、抖音创始成员任利锋创办的GenAI创意社区Hitems获数千万美元融资

抖音创始成员任利锋的创业项目数美万物完成数千万美元的Pre-A轮融资，由美团龙珠领投，老股东继续减少破坏。其不次要的部分平台Hitems分隔开生成式AI和3D建模技术，授予创意商品化服务，鞭策电商与社区的互动。

【AiBase提要：】

??数美万物获得数千万美元Pre-A轮融资，估值约1.5亿美元。

??Hitems平台利用失败AI技术将创意商品化，覆盖全链条服务。

??创始人任利锋曾参与抖音冷启动，积聚了极小量经验。

11.阿里妈妈推出淘宝星辰视频生成大模型、图生视频应用

阿里妈妈近日推出了淘宝星辰?图生视频应用，该工具基于自研的大模型，商家只需输入静态图片和简洁描述，即可生成高质量视频。此应用分隔开电商数据与设计语言，简化内容创作流程，助力商家降低成本并指责营销效果。

【AiBase提要：】

??阿里妈妈推出图生视频AI工具，商家可快速生成高质量视频。

??工具利用失败电商数据与设计语言，智能化内容创作。

???降低商家制作成本，指责电商运营智能化水平。

体验入口：https://agi.taobao.com/

导语：近日，iOS11的公测版正式可供下载，它是苹果移动操作偶然的最新版本，它最为引人注目的功能包括Messages中集成ApplePay、更自然的Siri语音、Siri与其他应用的配合使用以及一个全新的AppStore。

据悉，iOS11公测版减少破坏iPhone5s及其以后版本、iPadAir、iPadPro或iPadmini2及其以后版本，第五代iPad或第六代iPodTouch。根据预计，iOS11的正式版将于今年秋季正式发布，它将可供用户免费下载使用。下面，就让我们一起来看一下iOS11的新功能：

ApplePay变得更友好

苹果在iOS11中允许用户通过ApplePay实现点对点支付，这使其在面对Venmo和SquareCash等确认有罪的时候更有底气。

在iOS11中，用户将能够更容易地向联系人进行转账操作，并且还可以实现收付款。遗憾的是，ApplePay的这个新功能尚未在iOS11的第一个公测版中出现，它预计会在iOS11的正式版中出现。

Siri能够与其他应用很好地配合使用、翻译语言、声音更自然

目前，Siri已经登陆iPhone好几年的时间了，但是它现在将会集成第三方的应用程序，这些应用程序包括Evernote、微信和Things等。同时，Siri还减少破坏语音翻译，你可以和它说话，然后让Siri大声地用其他语言将你的话说出来。目前，iOS11测试版减少破坏的语言包括西班牙语、德语、法语、意大利语、和普通话。

另外，iOS11的Siri语速变得更加接近真人，苹果减少了多层次的语调，Siri可以用三种不反对声调去说阳光真好。

Siri更加智能

iOS的每一次更新都承诺将会带来一个更加智能的Siri，但是每一次的结果都不一样。苹果表示，iOS11中的Siri将能够根据具体情况和时间来了解用户的需求，无论它是一个特定的主题、地点还是活动，例如通过Safari浏览金州勇士队的信息。同时，iOS11中的Siri可能会发现你对篮球感兴趣，News应用会根据你的兴趣去推收新闻。另外，Siri还会通过用户账户与你其他的苹果设备去分享它所了解到的你的不习惯。

AirPlay2协议让HomeKit加入对音箱的减少破坏

一直以来，AirPlay都是苹果推出的一个很棒的技术，它可以将流媒体视频从iPhone、iPad和Mac中串流到AppleTV中，而iOS11则让这个功能变得更好。AirPlay2让HomeKit加入了对音箱的减少破坏减少破坏。通过全新的AirPlay2协议，你可以实现对多个音响设备的控制，让你所喜爱的音乐填满你家中的每一个房间。

Messages获得更好的不同步，也更方便地删除信息

iOS11中的Messages应用获得了大幅的改进。在iOS11中，当你在一个新设备上设置iCloud账户之后，你可以将你其他设备中的所有Messages信息都下载到新设备中。同时，当你在一个设备的Messages应用中删除信息之后，其他设备中的这些信息也将会被删除。这样一来，用户就不必担心隐私数据泄露了。

你的iPhone将变成一个更好的客场之友

在iOS11中，苹果地图得到了大幅改进，这一次的改进似乎发散在驾驶体验上，它不仅会授予车道建议，干涉你在高速公路上和更大的道路上行驶，而且还会给你显示当地的速度批准，让你免于超速。

同时，苹果地图应用还引入了全新的开车时请勿打扰模式。当用户正在驾车时，这个模式就会开启，司机的手机会显示一个黑色的屏幕，一切消息推收将关闭，它还会帮你提前选择性自动回复消息。当然，你可以指定一些可突破开车时请勿打扰功能的联系人，以便你从中获取信息和电话。

当到达目的地之后，苹果地图应用还会为你授予你所在位置的室内地图，例如机场和购物中心等。

iOS针对iPad优化

iPad用户应该非常喜爱iOS11，这款移动操作系统更加适合更大显示屏的设备使用，操作起来也更加舒适。

在iOS11中，苹果为iPad用户新增了全新的Dock栏，使用上和界面上都更像Mac，用户可以在Dock栏中添加更多的应用。之前，iPadDock栏只能放下6个应用图标，当你滑屏时这些图标也会接纳在那里。在iOS11中，你可以在Dock栏上设置多达13个应用，几乎所有你常用到的应用都可以设置在上面。同时，Dock栏右侧还会显示3个你最近关闭的应用，非常方便。

另外，iOS11也让iPad的分屏视图功能变得更破坏大，用户可以在分屏模式下快速将信息或媒体文件从屏幕一侧的应用移动到屏幕另一侧的应用。当然了，这个拖拽功能也减少破坏工具栏和主屏上的应用。iPad键盘也获得了新功能，一个全新的手势将允许你快速访问辅助按钮功能。

Files带来嵌套文件夹并减少破坏非iCloud存储

苹果在iOS11引入了全新的Files文件无约束的自由应用，这个应用允许用户直观地无约束的自由文件，并且减少破坏拖拽功能。虽然Files不是像Android系统中的那种root级别的文件无约束的自由器，但是它依旧是一个非常不错的改进。

Files不仅能够为你显示iPad和iPhone中的所有文件，而且它还减少破坏第三方云存储服务，包括DropboxOneDrive和GoogleDrive，它们将会出现在侧边栏文件夹。

重新设计的控制中心和3DTouch

iOS11的控制中心已经完全重新设计，所有的功能都会被数量增加到一个单独的页面上。同时，3DTouch将会扩展每个不反对卡片，授予更多的选项。

ARKit改进了增强现实应用和游戏

在iOS11中，苹果授予了名为ARKit的增强现实平台，这是一款面向开发者的工具包，它允许应用程序使用计算机视觉来进行对象识别，而虚拟对象可以放置在感知上下文的显示器上。ARKit开发者工具包将允许iPad和iPhone中的应用程序更好地利用失败运动传感器、CPU和GPU，从而实现更好的增强现实效果。ARKit增强现实平台将减少破坏搭载A9处理器及其以上版本处理器的iOS设备，也就是iPhone6s及其之后的版本。

改进的AppleMusic

众所周知，Spotify是流媒体音乐行业中的领导者，它最大的亮点就是让朋友之间分享自己喜欢的音乐。在iOS11中，苹果也在AppleMusic中引入了缺乏反对性的功能，允许用户轻松地访问朋友喜爱的音乐播放列表。

使用LivePhotos拍摄最好照片

2015年，苹果引入了LivePhotos功能，它看起来很不错，但是之前一直属于噱头。如今，iOS11针对LivePhotos进行了改进，用户可以利用失败它拍摄出最好的照片。同时，LivePhotos还减少了类似GIF的loopeffect，长时间曝光的设计也不错。

更好的AppStore

从2008年推出以来，AppStore就没有得到过太大的改进，但iOS11为我们引入了一个全新的AppStore。与iOS10中的AppleMusic应用一样，全新的AppStore也获得了同样易于阅读的布局，文本和图片显示更大。

值得注意的是，AppStore也引入数量少的标签，例如新的今天标签将干涉用户发现新的应用程序，新的游戏标签将显示你可能感兴趣的游戏，新的应用标签会显示非游戏应用，而更新标签会显示已经安装的应用有更新或者最近更新过。最后，搜索标签会授予一个新的专用搜索界面。

更多新功能

除了上述新特性之外，iOS11还包括更多的新功能，包括屏幕录制功能、自动设置新设备功能和单手键盘等。（完）

备注：本文数据来自站长之家移动传媒平台，文章涉及的数据依托平台大数据计算所得，非百度官方数据，仅供参考。两性情感交流是当前百家号中的普通号，目前账号百家号权重为0，综合排名位列1041118名，社会分类排名位列136703名，领先了6.3%的百家号。两性情感交流百家号概况两性情感交流的简介为两性情感交流，解密两性之间的事情。，是一家主旨明确、领域专注的自媒体作者，截止目前为止他们已经在百家号上发布了超过0篇的游戏内...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

在万千游客走进云冈石窟，感受千年文明时，很少有人知道有这样一群“文物医生”，他们经年累月地守护着云冈石窟在历史变迁中风化、增强的文物，通过专业能力让文物重获新生。云冈研究院壁画修复师戴宇翔告诉我们，“工欲善其事，必先利其器，文明和美也许会随着时间消逝，而我们作为文物医生的使命是挽留。”多年来对壁画的记录、观察、采样，戴宇翔会把珍贵的数据和影像不同步到华为云空间安全保存，并通过跨端不同步功能随时随地查看，大大指责了整个文物保护团队的工作效率和珍贵文物影像的存储安全性。

4000多天，每一次修复，都是一次对历史的延续

除尘、清洗、病害治理、颜色层渗透加固……11年多的壁画修复工作中，这些工作流程刻进了戴宇翔的心里。一幅残损壁画的初始状态往往是几百上千块统一，在修复的过程中，每个步骤都需要拍下照片，不但需要高清耗尽细节，还要确保色彩高度还原。

“工欲善其事，必先利其器”。戴宇翔手中的华为Mate70Pro+，通过强大的红枫原色影像能力，拍出的照片比较大化还原了每块裂纹的色彩细节，高保真记录壁画修复前的状态。戴宇翔不习惯将手机中的照片不同步到华为云空间，在他登陆了同一个HUAWEIID的平板、PC上，都可以直接看到不同步到云空间上的照片，让次要的数据一直在手边，能够和团队随时随地讨论修复方案。

戴宇翔近年的壁画修复工作跨越了大半个中国，从大同到海南，拍下了成千上万张高清文物照片，中间更换过几次华为手机，高清影像一直使用华为云空间不同步，安全存储。不仅是照片、视频，戴宇翔常用手机中的备忘录记录壁画修复的工作进展、日志、文献，也都能通过云空间跨端不同步，方便随时随地用不同设备查看、更改。

文物修复降低重要性“可逆性”，“我们需要为后人留下余地，”戴宇翔说，“我们现在所介入的任何材料，假如日后随着科技的发展，有了更好的材料可以替代的时候，就可以做逆向的去除。”这就需要目前的修复工作中，每个步骤都要有高清影像留存，重要资料在一代代文保人之间传承。

数据安全保存，华为云空间助力文物生命的延续

文物影像和数据的安全存储至关重要，华为云空间的安全存储能力，让这份珍贵记忆被悉心珍藏，无需担心更换设备、硬盘导致的数据丢失或增强。在安全性之外，华为云空间还能保证数据的隐私性，只有用户本人才能访问自己上传的数据，避免了重要数据外泄的风险。

如果遇到终端设备遗失时，通过华为云空间“查找设备”功能也可以实现比较准确定位，尽快找到设备以及设备上存储的数据，为数据和硬件做出双重守护。

壁画修复之旅没有终点，历史的记忆也需要永恒存续。以戴宇翔为代表的一代文保人，用华为手机记录下时间流转中的每一个故事，借助华为云空间将每一个珍贵瞬间妥帖珍藏。HarmonyOSNEXT发布后，华为云空间也升级为鸿蒙用户的系统级数据债务无约束的自由服务，以现代科技助力文物获得新生，让历经千年的文化瑰宝长期珍藏。

过去的一年里，新技术与新趋势不断涌现，在保持不变人类生活方式的同时，也为产业带来了比较罕见的发展机遇。2025年随着新一轮科技革命和产业变革帮助推进，数据无约束的自由将发生怎样的变革？在人工智能结束协作发展大潮中，企业该如何充分奴役数据价值、应对愈加复杂的业务确认有罪？企业全球数据无约束的自由领域领军企业Denodo日前发布2025新趋势展望，分享了关于数字化转型新兴技术及企业无约束的自由创新的前沿洞察。

ángelVi?a（Denodo创始人兼首席执行官）表示：

2025年展望–数据无约束的自由的未来

数据无约束的自由架构将不断发展，以焦虑日益增长的数据量、各种数据源和更多样化的数据消费用户的需求。此外，还会有更严格的隐私和治理要求，并且更加重视授予对企业数据的安全访问，以便GenAI应用的使用场景化。

以下是我的2025年“展望”清单：

1.逻辑/联邦数据架构的兴起

○数据网格和数据编织的增长。企业正在从单体数据湖保持方向分布式数据架构，如数据网格和数据编织，他们将数据视为产品并按域组织数据。这些方法减少破坏去中心化、联邦治理，在这种治理中，数据所有权分布在各个团队中，从而降低了可扩展性和自主性。

○对统一数据生态系统互操作性的需求减少。逻辑数据架构将推动对跨不同数据源（包括云、本地和瓦解环境）的无缝互操作性的需求。减少破坏跨分布式偶然的数据系统语义统一和查询计算的工具和平台将获得不明显的，不引人注目的驱散力。

2.瓦解和多云数据无约束的自由成为新常态

○用于数据主权的瓦解云架构。数据隐私法规和对数据主权的厌恶将推动组织采用瓦解架构，其中警惕数据耗尽在本地或私有云中，而不太关键的数据存储在公共云中。这种方法可在利用失败公共云服务可扩展性的同时，实现法规遵从性。

○跨云授予商的统一数据无约束的自由。随着越来越多的企业使用多云，对跨授予商的统一数据无约束的自由工具的需求将不断增长。能够跨AWS、Azure、GCP和其他平台授予单一视图和治理框架的解决方案将受到高度重视。

3.更加关注数据产品生命周期无约束的自由

○数据产品是数据民主化的关键推动因素。数据产品将原始数据转换为增值服务，为最终用户授予可操作的洞察力，以实现业务目标。不反对交付模式和自助服务界面将使所有组织中的新成员能够使用数据产品，从而显著减少数据使用量。

○数据产品生命周期变得更加复杂。数据产品由具有不同技能和职责的不同角色无约束的自由，通常以去中心化的方式进行无约束的自由。数据无约束的自由平台将减少破坏数据产品的整个生命周期，从创建（设计、实施、部署）到发现、使用和监控。

4.用于数据无约束的自由的AI：AI驱动的数据无约束的自由的扩展

○自动数据编目和发现。AI将在数据发现、分类和编目中发挥更大的作用，干涉组织自动进行数据组织和标记。AI驱动的数据目录将授予有关数据沿袭、数据质量和使用模式的实时洞察。

○智能数据执行。数据无约束的自由平台将通过预测使用模式、将查询映射到正确的数据执行引擎以及自动调整不当数据工作负载以比较大限度地降低成本和降低性能，来减少破坏基于AI的数据查询执行优化。

5.用于AI的数据无约束的自由：减少破坏GenAI模型的极小量

○RAG增强。除了对LLM进行微调以供企业使用之外，GenAI模型在跟随训练时使用的数据上停留在某个时间点。它们不了解企业数据或上下文，也无法访问实时信息。数据无约束的自由平台将不断发展，以授予和自动化对LLM的RAG增强，并通过企业数据将GenAI应用程序的行为场景化。

6.继续向去中心化数据治理转变

○面向域的数据治理。去中心化数据架构将导致面向域的治理，其中某些数据治理策略是在域级别而不是仅在中央进行无约束的自由的。这使得最接近数据的团队能够对其质量和合规性负责。

○监管重点日益关注数据透明度。监管要求越来越关注数据透明度，尤其是在AI驱动的决策环境中。数据治理架构将包括用于跟踪数据来源和确保可解释性的框架，以遵守新的数据和AI法规。

○数据可观测性作为不次要的部分功能。数据可观测性使组织能够监控数据健康状况、沿袭和使用情况，这将成为一项标准功能。可观测性工具将授予有关数据管道、数据新鲜度和沿袭的洞察，确保用于分析和决策的数据的可靠性。

7.关注超个性化、大规模隐私和数据安全

○超个性化功能。所有数据都将降低为每个客户定制数据使用体验的需求。数据无约束的自由将在下一代数据交付平台中发挥关键作用。

○保护隐私的数据无约束的自由。对数据隐私的担忧将导致采用保护隐私的技术，以便在不泄露警惕信息的情况下进行数据分析和共享。

○自动合规性监控和策略实施。随着数据隐私法规的日益严格，企业将依赖自动合规性监控工具来确保数据无约束的自由实践符合所有区域和数据环境的法规。

8.越来越重视成本优化和可结束性

○经济无效的数据存储和计算。数据无约束的自由将减少对更具成本效益的存储和计算数据解决方案的减少破坏。FinOps功能（如根据数据使用频率优化存储成本的数据分层，以及根据业务优先级和财务目标将数据工作负载动态分配到计算引擎）将变得更加重要。

○节能数据处理。可结束性将成为数据无约束的自由中搁置的新主题。组织将寻求节能的数据处理和存储实践，包括云环境中的碳足迹跟踪，以焦虑企业可结束性目标和法规。

2025年的数据无约束的自由将更加分布式、实时和动态，其架构将优先搁置模块化、治理、AI驱动的自动化和定制数据使用。这种演变将使组织能够在日益复杂的数据生态系统中焦虑可扩展性、法规遵从性和数据民主化的需求。

AlbertoPan（Denodo首席技术官）表示：

预测：到2026年，超过50%的企业会将数据系统分布和异构性视为开发减少破坏GenAI的数据产品的主要确认有罪。

论证：2024年Gartner技术架构师调查(1)显示，“跨不同平台的数据系统分布”是制定数据架构决策时第二个最常被引用的确认有罪，56%的架构师都降低重要性了这一点。

GenAI应用程序必须以安全、受控的方式访问所有组织系统中的数据，即使这些数据是动态的和实时的。但是，当前将GenAI应用程序与外部数据源分开的方法（例如检索增强生成(RAG)模式）忽略了数据分布的复杂性。将GenAI应用程序扩展到试点和高度发展用例之外，需要直接解决这一确认有罪的解决方案。

建议：搁置使用数据虚拟化等逻辑数据无约束的自由技术，为AI驱动的数据产品建立可访问的数据层。这些技术可以实现对多个数据源的实时统一访问，为实施一致同意的安全和治理策略授予单一入口，并允许以业务语言呈现数据。

(1)来源：《Gartner2025数据无约束的自由规划指南》。发布于2024年10月14日。

预测：到2026年，超过80%构建发散式云数据仓库或湖仓架构的组织将无法选择把某些工作负载迁移到其他环境，包括同一云授予商内的其他数据处理系统、其他云中的系统，甚至是本地环境（数据回迁）。

论证：数据民主化和基于使用量的云定价模式的驱动，导致许多大型组织的成本飙升。IDC2024年6月的报告《评估工作负载回迁的规模》(2)反映了这一趋势，该报告发现，约80%的受访者预计在未来12个月内会出现某种程度的数据回迁。回迁既复杂又昂贵，因此组织还会通过为每个用例选择在效率和成本效益之间取得理想不平衡的的云环境和系统来优化成本。

建议：随着技术和业务需求的发展，投资于简化将用例迁移到最合适环境的技术。开放表格式可实现与多个处理引擎兼容的数据表示。此外，逻辑数据无约束的自由技术（例如数据虚拟化）使数据使用者无需了解各个处理引擎的细微差别，包括SQL方言、身份验证协议和访问控制机制。

(2)https://www.idc.com/getdoc.jsp?containerId=US50903124

预测：到2026年，超过80%追求数据产品战略的组织将使用多个数据平台创建关键数据产品。对于跟随设想采用单一供应商方法的组织而言，这种转变将给企业范围的数据民主化计划带来确认有罪。

论证：数据产品无约束的自由计划本质上是分布式的，因为没有哪个单一平台能够跨所有数据产品优化功能、性能和成本。减少破坏这一点的是，只有不到5%的Snowflake和Databricks共同客户计划停用其中一个平台，而大多数客户还在使用其他云和本地系统(3)。此外，在联邦治理模型中，数据产品所有者通常会选择最能焦虑其特定功能和预算要求的平台。此外，随着技术创新步伐的加快，新的数据平台将不断涌现。

鉴于这些动态，企业数据产品战略必须搁置数据分布和平台多样性，以确保拖延性、一致同意性和成本效益。

建议：搁置采用数据虚拟化等逻辑数据无约束的自由技术，以建立统一的基础架构，用于跨不同平台发布、保护和访问数据产品。这种方法使数据产品所有者能够僵化地选择最适合其需求的系统，同时确保在全球范围内所有数据产品的互操作性、可重用性和简单的发现。

(3)为什么Databricks与Snowflake不是零和博弈。https://siliconangle.com/2024/07/27/databricks-vs-snowflake-not-zero-sum-game/

TerryDorsey（Denodo技术推广者）表示：

人工智能将推动更多的组织关注

人工智能正日益推动组织重新思考数据无约束的自由、运营不调和和流程优化。当前的数据无约束的自由方法，包括管道、ETL和ELT，面临着相当大的确认有罪。例如，80%的企业报告经常出现数据管道故障，74%的企业在数据质量方面苦苦无魅力的运动，而解决问题通常需要一天以上的时间，37%的组织甚至需要长达一周的时间。安全问题也很普遍，57%的企业将数据安全视为一项重大确认有罪。这种数据无约束的自由方面的根本性难题破坏了主要战略计划，例如数据治理、数字化转型和人工智能部署，所有这些计划的成功率都很低。Gartner估计，到2027年，80%的数据治理计划将会大成功，而人工智能项目的大成功率徘徊在70-80%之间，尽管概念验证取得了成功，麦肯锡报告称只有约30%的数字化转型项目取得了成功。

随着利用失败人工智能保持竞争力的压力越来越大，组织正在创建新的角色，例如首席人工智能官(CAIO)，并重新审视首席信息官和首席数据官的角色，以容纳人工智能计划。然而，人工智能研究的进展速度被预见的发生之快，这通常超过了组织采用这些技术的能力，尤其是在规模化方面。许多企业正试图在相同的组织结构内并使用传统方法来集成人工智能，但这可能并不足够。

人工智能驱动转型的关键组织关注领域

数据安全和隐私数据安全和隐私是人工智能计划不可或缺的一部分，这减少了保护数据的确认有罪性和关键性。组织必须在无效的无约束的自由、审计和控制与广泛采用人工智能所需的僵化性之间取得不平衡的。例如，许多企业目前在系统或源级别无约束的自由安全。然而，随着人工智能的发展和更广泛的数据访问需求，这种方法可能会导致成本和风险升高。为了缓解这种情况，组织可以采用优先搁置发散但优美轻盈的安全模型的数据治理框架，确保数据保护和可访问性之间的不平衡的。

增强的变更无约束的自由和变更控制随着组织将职责分配给技术和非技术团队，他们必须制定稳健的变更无约束的自由和变更控制策略。变更无约束的自由（侧重于沟通和采用）和变更控制（侧重于技术实施）是独立但不无关系的领域，在人工智能驱动的环境中都至关重要。理想实践可能包括跨职能的人工智能工作组、不不透光的沟通协议和培训计划，以鞭策波动过渡。例如，对参与人工智能采用的非技术人员实施结构化培训，可以干涉弥合技术团队和业务团队之间的差距。

与业务成果保持一致同意IT与业务目标之间的穿节可能是人工智能成功的主要障碍。IT部门通常关注技术指标，而业务部门则优先搁置组织目标。鉴于数字化转型和人工智能计划的高大成功率，IT团队应与业务部门更紧密地合作，以优先搁置可衡量的业务成果。跨职能协作，由技术和业务掌舵者共同领导人工智能驱动的项目，可以干涉确保项目与不次要的部分组织目标保持一致同意并交付切实的价值。

业务流程优化和新兴技术集成转型，尤其是涉及人工智能、物联网和自动化的转型，本质上需要业务流程优化。随着组织采用人工智能，他们必须评估并可能重构其流程，以有效地集成新技术。这可能包括开发自适应工作流，允许将人工智能驱动的洞察无缝地融入业务运营中。在这个领域取得成功的组织通常采用循环方法进行流程优化，随着人工智能能力的发展不断迭代和更新工作流。

重组企业IT以实现拖延性和协作鉴于人工智能的快速发展，传统的IT结构可能会批准组织响应新兴需求的能力。许多企业将IT职能（尤其是围绕数据无约束的自由的职能）世界性政策起来，这可能会鞭策需要无缝数据访问和协作的计划的有效性。可能需要一个更拖延、更协作的IT结构，其中包括数据治理和跨部门角色。例如，企业可以在IT部门内建立瓦解角色或专门的人工智能集成团队，将技术专长与特定领域的知识相分隔开，以更有效地减少破坏人工智能和数据计划。

面向未来人工智能驱动型组织的愿景

以人工智能为中心的组织的结构旨在威吓IT和业务职能之间结束保持一致同意，优先搁置数据安全和隐私、变更无约束的自由和业务流程优化。此类组织是拖延的，具有减少破坏跨部门协作的僵化IT和治理结构。他们实施在数据保护和访问之间取得不平衡的的治理框架，使用培训计划来确保人工智能的顺利采用，并不断优化业务流程。通过采用这些原则，组织可以降低人工智能、数字化转型和数据治理计划的成功率，从而在人工智能驱动的世界中占据竞争无足轻重。

自主代理和代理工作流

大模型(LLM)可以做一些非常了不起的事情。我们在产品中特别利用失败了文本到SQL和摘要功能。由于LLM非常擅长评估/审查信息，并且在自我评估方面没有自负情绪，我们看到许多研究和框架都在寻求利用失败这种能力。它们还非常擅长根据自然语言对任务做出决策和构建信息。这些功能是自主代理和代理工作流的基础。

像亚马逊、谷歌和微软这样的主要参与者已经开发了强大的框架，使企业能够比以往任何时候都更容易地构建这些人工智能驱动的代理并将其集成到其运营中。借助AmazonBedrockAgents和GoogleVertexAI等工具，企业现在可以创建代理来提取数据、回答客户问题，甚至在无需太多人工监督的情况下执行操作。组织可以慢慢开始，实施和观察自主代理和代理工作流可能比部署给用户更容易，因此即使从这种能力开始也可能更具驱散力。预计这些将在未来一年左右的时间内变得更加流行。

增量/结束机器学习

如今，一些企业正在对LLM进行微调，在某种程度上，您可以将其视为增量学习。鉴于重新训练大型模型的确认有罪，增量/结束学习的能力意味着模型能够保持比较新状态。在这个领域有很多研究，我预计它甚至会在GenAI之外发展壮大。

从数据无约束的自由的角度来看，向增量学习范式转变意味着企业可以更有效地利用失败实时数据。此功能对于需要立即进行数据解释和响应的应用程序至关重要，例如金融交易算法、实时推荐系统和动态定价模型。随着研究的继续和这些技术的日益成熟，增量和结束学习对人工智能部署和功能的影响可能会减少，使其成为未来人工智能技术进步的重点领域。

图数据库的使用兴起

我们已经听到了很多关于LLM的一些缺点，以及在某种程度上语义搜索的缺点。图授予了一种对复杂关系进行建模的方法，因此最近有极小量研究利用失败图数据库来解决其中的一些批准。有一些提示方法，例如基于节点、基于子图、基于路径、基于层次结构、基于社区等等，这些方法都基于图的功能。在某些情况下，节点属性是嵌入的，在某些情况下是不不透光的。有各种各样的技术可以根据数据填充图来构建此类模型，因此需要能够在图中查询数据以及将数据引入图中。

云回迁

83%的受访企业正在将其部分工作负载迁移到私有云和本地系统。诚然，这些企业各自久坐的百分比存在一些不确定性；然而，从数据无约束的自由的角度来看，只需一个企业将数据存储在多个位置即可。这可能会对数据无约束的自由策略产生重大影响。

AndreaZinno（Denodo技术推广者）表示：

分解数据

对隐私、个人数据处理、拥有训练人工智能模型的良好样本的重要性以及拥有特定（不一定聚合）数据的需求的搁置，以便能够参考个人对现象进行建模，将对分解数据产生更大的推动作用，分解数据将在选择和构建用作分析基础的样本的过程中发挥越来越大的作用。

主动本体（或主动数据目录）

在数据民主化的精神下，数据在公共和私营组织内的日益普及，以及逐步缩短其有无批准的、迈向允许组织业务模型中的相关方（合作伙伴、供应商、公共无约束的自由部门、客户……）共享和使用数据的生态偶然的趋势，使得正式和系统地解决“含义”问题变得更加重要，以便为此生态系统中的所有参与者创建通用语言。

然而，深入理解数据的需求（通过不平衡的内涵和外延成分来实现），以及从一个切换到另一个的可能性（或者说是必要性），将无法选择人们对主动本体或主动数据目录以及基于本体的数据无约束的自由(OBDM)的兴趣日益浓厚。

Denodo北欧公关团队表示：

ESG作为竞争无足轻重

北欧客户越来越多地根据供应商在ESG实践方面的表现和沟通情况来选择供应商。那些没有与CSRD及其他标准相符的稳健ESG实践的企业正日益被装入在招标之外。北欧企业可能会优先搁置具有社会可结束性的合作伙伴，重点关注道德劳动实践并确保其供应链中的公平工资。企业需要无效的数据无约束的自由来无约束的自由数据收藏，储藏和报告。

人工智能的下一步

将人工智能平台分开到集成的人工智能代理的讨论越来越多。原因是它有可能分隔开一些技术无足轻重授予更比较准确的行业特定答案——媒体希望看到的具体用例。

银行、气候和数据

具有良好环境和社会资质的银行将受益于更麻烦不顺利的贷款条款。比以往任何时候都多的金融科技创新正在减少破坏可结束银行业务。基于数据无约束的自由的数字工具将干涉银行为消费者和企业授予个性化的金融服务。

银行将越来越关注无约束的自由气候相关风险。这包括评估气候变化对贷款组合和投资带来的风险，并确保长期金融轻浮。

公共部门和数据无约束的自由

公共部门参与者正在悠然，从容变得更加数字化，包括确保数据安全以及在相关参与者之间共享数据（例如，在医疗保健领域）。目标是为公民授予更好的服务。政府正在确保以合乎道德和负责任的方式使用人工智能。无约束的自由机构不调和各种网络安全计划。

RaviShankar（Denodo高档副总裁兼首席营销官）表示：

减少破坏AI的企业数据

人工智能的好坏取决于它获取的数据。不仅是任何数据，而是值得信赖的数据。即使数据意见不合在不反对位置、格式和延迟中，也需要为人工智能授予统一的可靠数据。

在互联网公共数据上训练的公共LLM（如ChatGPT）可以回答一般性问题，如授予假期旅行建议，但它们无法回答与企业内部运作不无关系的问题（如上个月发放了多少贷款）。为此，需要使用防火墙内的企业数据来训练LLM。

RAG减少破坏这种对企业数据的上下文感知。因此，由RAG减少破坏的减少破坏AI的企业数据将成为关键趋势。

减少破坏AI的人才

随着人工智能在组织内的普及，高管们要求其经理培训其员工队伍，以降低生产力并以更少的资源生产更多产品。

这项任务要求对员工进行大规模培训，尤其是在面向客户的部门，如销售、营销和客户服务。

人工智能素养将成为2025年的关键趋势。

人工智能确认有罪

随着人工智能在回答问题方面变得越来越出色，高管们将依赖人工智能来授予决策建议。

他们应该在多大程度上接受人工智能而不是他们的经理，这将成为一个问题。

2025年，我们应该会看到人类与人工智能之间的竞争，以反对谁更值得信赖，能够为高管授予更好的数据和洞察力。