阿里云ODPS十五周年重磅升级发布:为AI而生的数据平台
7月23日,正值阿里云第一款产品,自研大数据平台 ODPS 十五周年之际,阿里云智能集团副总裁、计算平台负责人汪军华正式宣布 ODPS 全面拥抱 AI,升级 ODPS 架构,推动大数据与 AI 的深度融合。
十五年深耕,从云原生到AI原生的跨越
自2009年诞生以来,ODPS 见证了大数据技术的飞速发展,从最初的离线计算引擎成长为全球领先的云原生大数据平台。过去十五年,ODPS 不仅支撑了阿里集团内部电商、金融、物流等核心业务的数据处理需求,还帮助全球客户实现了从线下 IDC 到云原生的平滑过渡。今天,ODPS 正式迈入 AI Native 时代,ODPS 将再次进化,成为为AI而生的数据平台。
Data+AI 双引擎:加速企业智能落地
ODPS 平台架构在面对 AI 浪潮做了全新升级,推出面向 Data+AI 的新一代数智一体计算平台,融合 Data 和 AI 双引擎。
基础设施层:整合阿里云计算、网络、存储等核心资源,支撑上层大数据和 AI 分布式架构的稳定运行。
计算服务层:在计算引擎层提供多种离线/实时/AI 计算资源保障云端数据加工与 AI 算力调度能力之外,Data 和 AI 也进行了深层的融合,MaxCompute 融合大模型,围绕大模型提供超大规模数据预处理能力。Hologres 通过 MCP 协议能够将湖仓中的海量数据转化为实时可查询的服务。
平台管理层:提供了统一 Data+AI 数据治理体系,用户可通过 DataWorks Copilot 智能助手和智能体 Agent,通过自然语言交互实现数据开发、数据分析与治理全流程。
应用场景层:当前数智一体计算平台已覆盖 RAG 增强检索、LLM 大模型训练、MLOps 运维等多种 AI 工程化场景及需求。我们希望企业可以基于平台之上便捷地获取数据与 AI 的能力,真正实现"数据驱动业务,AI 创造价值"。
为 AI 而生:ODPS 的四大核心升级
1、超大规模数据处理能力,支撑 AI 算力爆发;在 AI 时代,大模型训练需要处理海量数据,对算力提出了极高要求。ODPS 通过云原生架构,实现了数十万台集群的弹性调度,峰值数据处理能力达50亿次/秒。阿里云智能集团计算平台事业部大数据产品总监陈守元介绍到:"LLM 基模训练过程中往往需要突发调用数十万 CPU 和数万 GPU,以通义千问为例,ODPS 的即开即用、按量付费模式为其节省了90%以上的成本。"
2、多模态数据存储与计算,打破AI数据边界;随着 AI 时代的到来,数据逐渐呈现多元化,包含文本、图片、视频等多种类型,非结构化数据占比超过80%。ODPS 推出湖仓一体方案,支持文本、图像、音视频等多模态数据的统一存储。
在计算方面,ODPS-MaxCompute 推出面向 Python 开发生态的分布式计算框架 MaxFrame,统一 Python 编程接口,提供高效的分布式计算能力,部分算子相比用户本地自建性能提升3倍以上,计算、运维成本降低50%。MaxFrame 同时支持 AI Funtion 能力,可通过简易的编程接口调用内置大模型,对 MaxCompute 表中的海量数据进行离线处理。 同时,ODPS- Hologres 在高性能实时数据分析的基础上,提供了面向多模态数据和 RAG 场景的检索增强特性,与 Deepseek/通义等大模型结合构建企业级 RAG 知识库,减少大模型问答幻觉,提升知识更新与问答速度,性能领先开源30%-40%。
3、近实时计算实现极致性价比;AI 时代企业用户不仅追求性能,更追求极致性价比。阿里云智能计算平台事业部 MaxCompute 研发负责人张治国重点介绍了 ODPS 在计算范式上的创新:ODPS 通过增量计算引擎(DLMV)和近线查询(MaxQA),填补了实时与离线之间的空缺。增全量一体的计算能够极大地优化整体计算资源,并且提供一个更稳定的环境、更强大的计算能力。MaxQA引擎通过在实现近实时场景下的查询性能优化,能够在独享的查询计算资源池中,对管控链路、查询优化器、执行引擎、存储引擎及缓存机制等多个环节进行全面优化,显著减少响应时间,提升数据效率。
4、AI赋能数据价值变现;数据无应用不价值。AI 让数据价值从"人分析数据"到"AI 直接变现业务价值",让数据价值更加显性化。MaxCompute Notebook 通过结合 MaxFrame 分布式计算框架,支持通过 SQL 与 Python 相结合,轻松访问 MaxCompute 中海量数据,进行 Data + AI 一体化数据分析、数据科学计算、AI模型数据处理。ODPS-DataWorks Copilot 智能助手提供 SQL/Python 代码自动生成和智能补全等服务,数据开发分析平均提效35%。 ODPS-Hologres 及 DataWorks 发布 MCP Server 服务,为客户提供基于自然语言的用户交互界面及智能化产品体验。
总结
在 AI Native 时代,数据与 AI 的融合已不再是选择题,而是必答题。阿里云将持续深耕 Data+AI 双引擎,助力企业加速智能化落地,共同迈向数智未来。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
TDMQ RocketMQ 版秒级定时消息原理解析
导语 随着分布式系统架构的普及,消息队列已成为支撑大规模、高并发在线业务的核心组件之一。腾讯云消息队列 RocketMQ 版作为一款高性能、高可靠的消息中间件,通过提供稳定、低延迟的消息服务,帮助企业轻松应对业务洪峰、实现系统解耦。 最初的消息队列只支持简单的在线消息收发,但随着业务场景的丰富,越来越多的需求涌现,例如订单超时处理、轻量级延时任务调度、定时通知推送等场景,这些场景都要求消息能够延迟消费。为此,消息队列技术不断演进,最初 Apache RocketMQ 实现了多级别延时消息,但是无法满足更灵活的延时场景,因此演进为文件版定时消息时间轮,到腾讯云消息队列 RocketMQ 版也推出 RocksDB 版本定时消息多级时间轮,最终实现了高吞吐场景下定时消息场景的精准调度。 本文将带您深入探索 TDMQ RocketMQ 版秒级定时消息的实现原理: 首先从典型业务场景切入,看看定时消息在分布式定时调度、电商等场景的应用; 接着回顾定时消息的技术演进历程,了解定时消息如何从基础延时功能发展为高精度调度系统; 最后,深入核心架构设计,解析定时消息技术原理,并介绍腾讯云基于 Rocks...
- 下一篇
DBeaver 25.1.3 发布
DBeaver 是一个免费开源的通用数据库工具,适用于开发人员和数据库管理员。DBeaver 25.1.3 已发布,更新内容如下: AI 集成现已包含在社区软件包中,不再需要安装扩展 SQL Editor: 修复了外部修改的文件无法关闭而不覆盖的问题 改进了 Generic driver 中的 schemas/catalogs 支持 Metadata:修复了通过弹出对话框创建的虚拟keys 无法保存的问题 Data Editor:修复了 Advanced Copy 中的 Copy as CSV 选项 常规:编辑器选项卡现在使用连接颜色进行可视化 Connectivity: SSHJ 加密密钥支持已改进 网络配置文件名称换行问题已解决 Databases: CUBRID: 元数据对象搜索已修复 分区支持得到增强 增加了对 PLCSQL 的支持 增加了对 DONT_REUSE_OID 关键字的支持 Clickhouse: 修复了数据编辑器中元组和映射数据类型的呈现 修复了对临时表的支持,现在对它们的所有查询都在同一个会话中运行 DD2 驱动程序已降级至版本 11.5.9(由于 Kerber...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- Linux系统CentOS6、CentOS7手动修改IP地址
- CentOS8编译安装MySQL8.0.19
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- CentOS7,CentOS8安装Elasticsearch6.8.6
- SpringBoot2全家桶,快速入门学习开发网站教程
- Red5直播服务器,属于Java语言的直播服务器
- CentOS7设置SWAP分区,小内存服务器的救世主
- Docker安装Oracle12C,快速搭建Oracle学习环境
- SpringBoot2更换Tomcat为Jetty,小型站点的福音