搜索:数据平台

共命中 50 条(服务端检索)
Palantir Foundry 深度研究(十):行业案例、商业取舍与本体平台竞赛
Foundry 本体既不是银弹,也不是一层可以轻易替换的图数据库。本文用 BP 可靠性、Airbus Skywise、美国陆军 Vantage 三个有来源的案例看它怎样把运营数据接到决策,再拆 Foundry 的商业计费、实施复杂度与供应商锁定争议,并对照 2026 年已 GA 的 Databricks Genie Ontology 等近年动向,给出「什么时候值得自建本体、什么时候不值得」的判断框架。
行业动态 精选 · 用户投稿 · 今天 阅读 4·访客 4
本体构建平台详细架构设计:研发实施版(模块边界、建表 SQL 与接口契约)
面向平台研发与架构评审的工程设计。用 21 张架构图说明协同建模、版本仓库、来源映射、验证构建、发布回滚、Agent 查询、租户隔离和生产恢复,附 20 张核心表的 PostgreSQL DDL、14 个 OpenAPI 操作及数据库校验脚本。
智能体 精选 · 原创 · 昨天 阅读 17·访客 9
Facebook 剑桥分析复盘:用户删不掉的平台,监管来收账
2018 年 3 月,卫报曝光剑桥分析违规获取 5000 万(后修正 8700 万)Facebook 用户数据用于美国大选,扎克伯格沉默五天后道歉、国会作证 10 小时、接受 FTC 50 亿美元史上最大隐私罚单。但最反直觉的事实是:#DeleteFacebook 刷屏之后,当季日活用户反而增长 11%——网络效应锁定的平台,用户无法用脚投票,信任危机只能由监管结账。八年后的 2026 年 10 月,新墨西哥州法院再开 250 亿美元罚单。本系列第十九篇复盘「数据滥用信任危机」:当用户删不掉你,罚单就是他们唯一的手。
行业动态 精选 · 原创 · 11-3 阅读 122·访客 118
AI数据平台OceanBase获世界互联网大会杰出贡献奖
量子位的朋友们* 2026-11-03 13:59:05 来源:量子位 11月3日上午,2026世界互联网大会在浙江乌镇开幕。 11月3日上午,2026世界互联网大会在浙江乌镇开幕。记者从大会现场获悉,OceanBase获得“世界互联网大…
行业动态 量子位 · 11-3 阅读 19·访客 19
Palantir Foundry 深度研究(七):本体安全、数据治理与审计
Foundry 的安全不是「给应用接 RBAC」,而是由 markings 强制控制、对象与属性级策略、Action 提交权限和运行时动态裁决共同组成。本文拆解资格×职责双轴授权、数据标记沿谱系传播、对象策略的读时边界、动作写权限陷阱、平台审计日志与 Action Log 的差异,并串起 Lineage、Health Checks 与回滚限制,回答一个核心问题:当 Agent 可以改业务数据时,怎样证明它只看了该看的、只改了允许改的?
后端技术 精选 · 用户投稿 · 今天 阅读 3·访客 3
Agent 为什么需要本体 从 5W 理解本体平台的原理与架构
用“给设备安排维修”贯穿全文,从是什么、为什么、谁来用、用在哪里、何时建设五个问题讲清本体,再解释平台如何建模、连接数据、治理事实和可靠执行。配 4 张手绘图与可下载的工程示例。
智能体 精选 · 原创 · 昨天 阅读 23·访客 10
Airbnb 歧视风波复盘:平台价值观危机的整改账
复盘 Airbnb 遭遇的房客歧视风波:研究数据、话题标签与诉讼三重夹击,把「个别房东行为」逼成平台的价值观危机。机制整改比声明有力,歧视议题的整改是持续工程,不是一次性公关。
行业动态 精选 · 原创 · 11-10 阅读 28·访客 28
智能体生态观察 · 第 36 篇|数据边界冲突:爬取协议、license 与开源社区的摩擦
AI 把「内容换流量」的旧交易打成了单方面取用。本文梳理爬取协议的失灵、平台的 API 收费与默认拦截反击、开源社区的许可更新与自治,最后推演数据边界的分层终局与从业者的应对清单。
智能体 精选 · 原创 · 11-9 阅读 52·访客 52
研发 Loop:让 Agent 平台自己给自己提需求的研发闭环
功能排期靠拍脑袋、上线效果没人验证,是大多数平台研发的常态。本文给 Proteus AI 平台设计一条「研发 Loop」:定时爬取 GitHub 上同类平台的功能形成 PR,部署灰度环境跑真实流量,7-14 天后用 z 检验判定平台指标是否变好,变好再经 Astra 模型 review 决定合入,变差自动回滚。附六阶段流水线、数据模型、熔断治理与落地里程碑,配六张手绘架构图。
智能体 精选 · 用户投稿 · 10-28 阅读 146·访客 141
Palantir Foundry 深度研究(一):平台全景与本体架构
Foundry 是企业级本体最完整的产品化实现。本文梳理它从 Gotham 到 Foundry 再到 AIP 的三次演化,拆解「数据流全景」里 Ontology 的中枢位置,深入 Object Storage V2 的微服务架构——OMS、OSS 与 Object Data Funnel 的分工、索引与查询分离的设计,并复盘 OSv1 到 OSv2 的破坏性迁移,看一个工业级本体仓库是怎么演化的。
后端技术 精选 · 用户投稿 · 今天 阅读 4·访客 4
一篇读懂数据一致性校验:对账系统的设计与实现
分布式系统的数据一致性永远有漏洞——缓存与 DB、主库与从库、双写系统之间——对账系统是「一致性的最后防线」:定时比对、差异发现、修复闭环。拆解对账系统的设计:对什么、怎么对、发现差异怎么办。
后端技术 精选 · 原创 · 11-5 阅读 61·访客 60
一篇读懂灰度数据迁移:不停机改表与数据回填
「给亿级大表加个字段」可以停机做,但业务不能停——不停机的 DDL、大表的数据回填、新旧结构的双写切换——数据迁移是把「结构变更」从手术台搬到跑步机上的工程学。
后端技术 精选 · 原创 · 11-5 阅读 58·访客 58
本体平台的事实治理:不可变观察账本与双时间模型
本体定义类与关系,事实决定平台说话算不算数——事实错,Agent 的每个决策都跟着错。本文主张以 append-only 观察账本沉淀权威事实,经来源确认与质量评价两条支路净化,按契约投影成诊断、查询与动作三类视图,并用双时间模型保证历史认知可还原、坏值不会被旧值掩盖。
后端技术 精选 · 用户投稿 · 昨天 阅读 6·访客 6
AI 内容水印与溯源产业:C2PA、检测与平台义务
AIGC 爆发让「这条内容是真的吗」变成日常问题,一条内容凭证产业链正在成形:C2PA 把元数据链从相机铺到平台,检测工具在对抗与误伤里艰难进化,平台义务被监管压实。本篇拆开水印、检测、凭证三条路线的账,给出平台与品牌方的实操建议。
行业动态 精选 · 原创 · 11-10 阅读 38·访客 38
Palantir Foundry 深度研究(三):从数据到本体的构建流水线
本体构建从来不是画类图,而是数据工程与语义工程的合流。本文沿 Foundry 的流水线走一遍全程:Data Connection 的「as-is 原则」与私有化部署 agent,代码仓库与 Pipeline Builder 的双轨转换层,HyperAuto 把 SAP 数据自动本体化的机制,Ontology Manager 的最后一公里映射,并对照本体实施七步法看哪些步骤被交给了机器。
后端技术 精选 · 用户投稿 · 今天 阅读 4·访客 4
本体平台构建:从领域知识到可运行契约
本体不该是躺在 wiki 里的文档,而应像 API 契约一样被构建、测试、发布与回滚——这是「可运行契约」的核心主张。本文把本体构建拆成六步闭环,给出 SHACL 发布闸门的具体示例,并强调一条易被忽略的纪律:模型可以回滚,已发生的业务动作必须靠补偿事务撤销。
后端技术 精选 · 用户投稿 · 昨天 阅读 8·访客 8
本体平台全景:控制平面与运行平面
企业本体不该是散落四处的文档与脚本,而应是一个有版本、有闸门、有审计的工程系统。本文给出本体平台的总体架构——控制平面负责把领域知识构建成不可变发布包,运行平面负责事实沉淀、查询推理与动作协调,并以 Palantir Foundry Ontology 说明这一模式的工业级实现。
后端技术 精选 · 用户投稿 · 昨天 阅读 5·访客 5
网约车平台 Uber 优步遭黑客攻击,致美国多州司机驾照信息外泄
IT之家 11 月 14 日消息,网约车平台 Uber 优步披露公司遭遇数据泄露事件,导致数千名司机的个人信息及驾照信息被盗,涉及美国马萨诸塞州、南卡罗来纳州、罗得岛州和伊利诺伊州等地。 IT之家参考通报获悉,黑客首先入侵了该公司的一家第三…
行业动态 IT之家 · 4天前 阅读 4·访客 4
训练数据的版权与合规:爬取、授权与清洗的边界
训练数据的版权问题悬而未决但不再可以假装不存在;本文梳理合理使用争议与判例走向、爬取的合规边界、授权市场的兴起,以及来源记录与侵权源过滤的实操清单。
行业动态 精选 · 原创 · 11-11 阅读 51·访客 51
NVIDIA 开源 Auto Ontology:给智能体补上企业数据这门语义课
NVIDIA 开源的 Auto Ontology 把数据库模式自动编译成机器可读的业务本体,让 text-to-SQL 智能体知道「revenue 到底怎么算」。11 月初在 Hacker News 冲到 292 分、star 破万,但第三方实测泼了冷水:两道题答错且答案毫无破绽。本文拆解其三段式原理、评测现状与社区争论。
开源项目 精选 · 用户投稿 · 11-11 阅读 56·访客 56
数据中心选址学:电力、网络与地缘的三重约束
数据中心建在哪,先看电力与容量,再看网络与气候,最后看政策与地缘;本文拆解选址的三重约束、超大规模时代的迁移趋势,以及自建与托管两种选址问题的不同解法。
行业动态 精选 · 原创 · 11-11 阅读 40·访客 40
训练集群的工程学:数据流水线与断点续训
拆开训练作业这只黑盒:数据怎么从磁盘喂进 GPU、一次崩溃到底丢了什么状态、分布式 checkpoint 怎么分片保存与重排恢复,以及弹性训练如何把故障恢复压到分钟级。
大模型 精选 · 原创 · 11-11 阅读 40·访客 40
数据中心网络与光模块:AI 集群的带宽账
大模型训练把数据中心流量翻成东西向,网络变成第一等约束:Fat-Tree 与 Rail 优化重构拓扑,光模块从 400G 冲向 1.6T,中国厂商吃下全球大半份额,CPO 在远处排队。本篇算清 AI 集群的带宽账与光模块产业的真实格局。
行业动态 精选 · 原创 · 11-10 阅读 38·访客 38
金融专题 53|金融数据工具地图:从行情软件到宏观数据库
研究的一半功夫在找对数据。这篇绘制一张金融数据工具地图:行情软件的分层、巨潮与 EDGAR 等公告原文渠道、统计局央行与 FRED 等宏观数据库、基金定期报告的数据读法,并拆解幸存者偏差、口径变更与前视偏差三个数据陷阱,给出选型原则。
一叶一世界 精选 · 原创 · 11-9 阅读 63·访客 61
AI 数据标注产业:从众包工地到 RLHF 数据工厂
数据标注是 AI 产业的「隐形地基」——它的形态随 AI 的需求升级了三代:众包打标签、专业质检线、再到 RLHF 的专家反馈工厂。数据工厂的竞争要素变了:比的不是便宜,是「谁身边坐着的博士多」。
行业动态 精选 · 原创 · 11-5 阅读 57·访客 56
AI 基础设施创业的新窗口:从 GPU 云到「数据的工业化」
模型层被巨头锁死、应用层卷成红海,但 AI 基础设施层(Infra)的创业窗口反而变宽了:GPU 云的转租生意、推理加速的中间件、数据合成的工业化、评测与安全的流水线——四条新窗口各有各的护城河逻辑。
行业动态 精选 · 原创 · 11-5 阅读 50·访客 50
智能体与低代码平台的融合:无代码用户的 Agent 化
低代码平台集体押注 Agent:本文拆解自然语言编排的两条路线、无代码用户的真实能力边界与平台护栏、公民开发者的治理难题,以及对话式任务、模板流程与关键业务三层能力漏斗的融合形态。
智能体 精选 · 原创 · 11-5 阅读 64·访客 64
Dify 深度解析:可视化 LLM 应用平台的编排、RAG 与 Agent 能力
Dify 是最流行的开源 LLM 应用平台:可视化编排工作流、内建 RAG 管线、Agent 节点、模型管理与企业治理。本篇拆解它的产品分层(Chatflow/Workflow/Agent)、内建 RAG 的工程取舍、插件与模型接入体系,以及「低代码平台 vs 代码框架」的适用边界。
智能体 精选 · 原创 · 11-4 阅读 74·访客 71
开源向量数据库深度对比:Qdrant、Weaviate、Milvus 与 Chroma
向量数据库是 RAG 的地基,开源方案有四巨头:Qdrant 的 Rust 性能、Weaviate 的模块化、Milvus 的云原生规模化、Chroma 的极简开发体验。本篇从架构、性能、生态与运维四个维度深度对比,帮你选对地基。
一叶一世界 精选 · 原创 · 11-4 阅读 61·访客 61
李文星之死复盘:平台的增长捷径,都是舆情负债
2017 年 7 月,东北大学毕业生李文星通过 Boss 直聘求职,被冒用公司名义的传销组织骗至天津静海,溺亡于一处水坑。8 月初《求职少年李文星之死》刷屏,公众追问的不是「谁杀了李文星」,而是「谁把传销的大门开在了招聘软件上」——CEO 三天内承认审核机制漏洞、网信办约谈后强制实名认证整改。本系列第十四篇复盘「平台责任型舆情」:当危机的源头不是失误而是商业模式本身,道歉只是入场,整改是一场增长机制的大手术。
行业动态 精选 · 原创 · 10-29 阅读 108·访客 105
谁把大学生搞得这么廉价?——知乎热答的数据核查与深度研究
用教育部官方公报逐条核查知乎热答「谁把大学生搞得这么廉价」:本科同龄占比从 2000 年的 5.2% 升至 2020 年的 26.9%,稀有度稀释 5.2 倍——数据方向正确、三处细节有误,结论稳健;但稀缺性不决定价格,学历溢价从 1.7 倍压缩到 1.27 倍才是「变廉价」的真证据。扩招、产业升级滞后、家庭合成谬误与雇主门槛通胀四股合力,没有主谋。
一叶一世界 精选 · 用户投稿 · 10-28 阅读 131·访客 126
禾赛发布 Kosmo 三维世界数据引擎,推出手持 AI 空间相机 Kosmo One
禾赛于10月14日发布包括手持AI空间相机Kosmo One与云平台Kosmo World的三维世界数据引擎,可将真实空间扫描为可编辑的三维副本,并借此从车载激光雷达向具身智能领域拓展。
行业动态 爱范儿 · 10-15 阅读 54·访客 54
机器人学习的数据瓶颈:从 Open X-Embodiment 到遥操作数据工厂
大语言模型吃的是万亿 token 网络文本,机器人能吃的真机数据却以「万条轨迹」计。本文梳理 Open X-Embodiment、DROID、AgiBot World 三代数据集的规模演进,算一算遥操作采集的成本账,并分析人类视频、仿真与生成式合成三条补充路线。
研究前沿 精选 · 原创 · 10-7 阅读 452·访客 449
智谱准备推出数据不留存功能]
在开发者发现 ZCode 会将用户整个工作区打包上传后,AI 公司智谱推出数据不留存功能。智谱星期天晚在微信公众号宣布,其“模型即服务”(Model as a Service,MaaS)平台将于近期正式推出“数据内容不留存”功能,将不对用户…
行业动态 Solidot · 9-21 阅读 47·访客 47
英伟达数据中心 GPU 产品线全景对比(2026):从 V100 到 Rubin 的七代算力跃迁
系统梳理英伟达数据中心级 GPU 从 Pascal 到 Rubin 的完整产品谱系,附七代完整规格对比表、中国市场特供线专题、AMD/Intel 竞品对比、选型指南与 TCO 数据,数据截至 2026 年 9 月。
行业动态 精选 · Proteus AI 深度研究 · 9-11 阅读 1,480·访客 912
训练数据的跨境流动:出境评估与本地化
训练数据一过国境就进入另一套合规体系;本文梳理数据出境安全评估框架、个人信息与重要数据的区分、数据不出境的架构设计与本地化的成本构成,给出合规与成本的平衡清单。
行业动态 精选 · 原创 · 11-11 阅读 44·访客 44
数据预处理的流水线:清洗、去重与工程账
预训练语料从原始爬取数据到能进训练管道,要过规则清洗、精确与模糊去重、质量打分、有害内容过滤几道工序;本文拆解每道工序的原理,以及流水线工程实现的幂等、留痕与成本账。
大模型 精选 · 原创 · 11-11 阅读 43·访客 43
特斯拉车展维权复盘:数据黑箱与公信力的拉锯
复盘 2021 年上海车展特斯拉车顶维权:「绝不妥协」的态度翻车、单方公布数据的公信力困境,以及画面冲击力如何压倒后续所有事实澄清。车主关系与数据透明,是智能汽车时代的新火药桶。
行业动态 精选 · 原创 · 11-10 阅读 35·访客 35
一篇读懂预训练数据管线:清洗、去重与质量过滤的完整工艺
「模型的能力上限由预训练数据决定」——但决定数据质量的是一条 rarely 被完整讲述的管线:采集、抽取、清洗、去重、过滤、配比。本篇拆解每个环节的工艺与坑,解释「为什么各家模型的数据管线的差异就是能力的差异」,以及数据飞轮如何让这条管线成为持续资产。
大模型 精选 · 原创 · 11-3 阅读 54·访客 54
AI 的能源账:数据中心、电力与新的产业博弈
AI 的尽头是电力——训练要电、推理要电、冷却要电,数据中心正在成为全球电力需求增长最快的板块之一。科技公司签核电、买风电、自建电厂,电力公司成了 AI 产业链的隐形玩家。本文算清 AI 的能源账:电花在哪、账单有多大、以及「算力向电力富集区迁移」的产业重构。
行业动态 精选 · 原创 · 11-3 阅读 49·访客 49
DuckDB:把分析型数据库塞进进程里,为什么 2026 年成了数据工程的默认件
进程内 OLAP 数据库 DuckDB:一条 SQL 直接查本地 CSV、Parquet 与远端对象存储,单文件落库,PyPI 月下载超 5000 万。本文讲清它的列式向量化引擎、与 SQLite、pandas、ClickHouse 的分工、2026 年的生态大事(v2.0 在路上、DuckLabs 并入 AWS),以及上手要点与真实短板。
开源项目 精选 · 原创 · 10-10 阅读 609·访客 598
Scaling Law 的边界:数据墙、算力墙与推理 Scaling 的新战场
预训练 Scaling 撞上数据墙与算力墙:公共语料储量估算、推理感知的缩放修正、o1 之后测试时计算的新缩放曲线与三墙之下的产业走向。
研究前沿 精选 · 原创 · 11-9 阅读 55·访客 55
一篇读懂多轮对话训练:多轮对话数据的构造、训练与评测
多轮能力不是单轮能力的自然涌现——拆解多轮数据的三种构造法、loss 该算在哪一轮的关键决策与真实评测的坑。
大模型 精选 · 原创 · 11-9 阅读 51·访客 51
数据筛选与去重研究:数据质量对模型能力的影响
从 C4 去重的记忆化风险到 FineWeb-Edu 与 phi 系列的质量过滤,再到数据受限缩放定律,用实证数字回答「多干净的数据才值得训练」。
研究前沿 精选 · 原创 · 11-9 阅读 35·访客 35
一篇读懂训练数据飞轮:用户反馈怎么变成训练信号
显式与隐式反馈的采集口径、从信号到偏好对与 DPO 的数据管道、讨好循环与反馈偏差的陷阱,以及度量飞轮健康度的四项指标:把用户交互变成模型迭代引擎。
大模型 精选 · 原创 · 11-9 阅读 49·访客 49
OpenAI 启动 Grid Protectors 计划:数据中心在电网高峰期让电
OpenAI 推出 Grid Protectors 计划,数据中心在电网紧张时让电,先在佐治亚州试点,号称可腾出约 70 万户家庭用电。
行业动态 The Verge · 11-5 阅读 26·访客 26
ZStack 开源 GPU 管理平台 GPUWorks:40MB 管上千台 GPU 服务器
ZStack 将 GPU 管理平台 GPUWorks 以 Apache 2.0 开源:40+MB 体积、60 秒部署,可管理上千台 GPU 服务器。
开源项目 Business Insider · 11-5 阅读 32·访客 32
一篇读懂结构化数据 RAG:表格、数据库与 Text-to-SQL
企业最有价值的知识往往不在文档里,在数据库里。Text-to-SQL 让 LLM 把自然语言变成查询语句,但这条路远比「生成一段 SQL」复杂。本篇拆解结构化数据 RAG 的完整管线:Schema 理解、SQL 生成、执行验证与错误恢复,以及它与向量 RAG 的本质差异。
一叶一世界 精选 · 原创 · 11-4 阅读 67·访客 67
数据中心的电力与冷却账:PUE、供电与散热的物理极限
AI 数据中心的耗电是传统机房的三倍以上:一张 H100 要 700W,一个 10 万卡集群就是一座小城市的用电。本篇拆解数据中心电力的账本构成(IT 负载、PUE、供电链路)、冷却的技术路线(风冷到液冷)、以及「电力成为 AI 瓶颈」的产业含义。
行业动态 精选 · 原创 · 11-4 阅读 53·访客 52
一篇读懂结构化数据 RAG:表格、数据库与 Text-to-SQL
企业最有价值的知识往往不在文档里,在数据库里。Text-to-SQL 让 LLM 把自然语言变成查询语句,但这条路远比「生成一段 SQL」复杂。本篇拆解结构化数据 RAG 的完整管线:Schema 理解、SQL 生成、执行验证与错误恢复,以及它与向量 RAG 的本质差异。
一叶一世界 精选 · 原创 · 11-4 阅读 63·访客 63