ITPub博客

仅有7%的受访者表示，他们已对超过70%的非结构化文件数据进行了清理、分类和预处理。另有57%的受访者表示，其准备就绪的数据占比不超过一半。而13%的受访者甚至不确定已准备就绪的数据量有多少。换言之，93%的受访者尚未达到70%的门槛。

过去十六年里，我一直为零售、银行、医疗和保险行业的企业构建数据平台。如果有一条教训不断被验证，那就是：一个优秀的AI模型与一个糟糕的模型之间的差距，通常与模型本身无关，而取决于其输入的数据。

AI生成的SQL语句看似完全合理，却可能暗藏细微的性能问题。编码助手可能会构建不必要的复杂查询，在已建索引的列上使用阻碍高效访问的函数，生成冗余的子查询，或者未能充分利用现有的索引。

如果现代企业希望借助AI赋能IT团队，同时避免陷入效率的假象，就必须重新审视传统流程，推动文化变革，并建立结构性防护措施，从而放大AI创造价值的能力。

一个有用的检验方法是选取企业级产品中的一项AI功能，并回答三个问题：它旨在改善哪项业务指标，以及该指标目前的水平如何?当AI给出错误答案时会发生什么?在全量生产环境下运行将产生多少成本?如果无法回答这三个问题，该功能很可能仍处于试点阶段，而非已准备好投入生产的能力。

现代企业面临的最大风险通常并非戏剧性的数据库故障或灾难性停机，而是组织每天做出的无数微小妥协，这些妥协正逐渐侵蚀着人们对信息的信任。

一个有用的起点是业务规则验证层：企业可以确定其最具争议的指标，并将相关规则记录在一个统一的、可集中调用的位置。随后，数据转换任务可以进行修改，使其链接到该注册表，而不是依赖其自身的内置逻辑。

正因如此，“Token最大化”这种思路无论从哪个角度看都偏离了重点。Token是消耗品，而非产出，真正的优化不在于将其最大化或最小化，而在于为合适的任务选用合适的智能方案。

不同的测试活动需要不同的数据特性。单元测试需要小而专注的数据集，集成测试则需要更广泛的覆盖范围。性能测试需要规模;回归测试则需要一致性和可重复性。

在本教程中，我们将学习如何将 Spring AI 与 LM Studio 集成，并配置 Spring AI 使其与本地托管的聊天模型和嵌入模型进行通信。

在生产环境中，这形成了一条分层链：低成本执行器处理大部分工作，中层评估器监控输出质量并标记模糊情况，而前沿模型则专门用于处理真正需要它的那部分请求。

迄今为止，AI行业一直专注于推理层，而在主流AI讨论中，数据准备层却相对受到较少关注。调查一再表明，数据孤岛、治理问题以及整体数据质量正制约着企业的发展。Databricks的一项调查发现，仅有37%的高管认为其生成式AI应用已具备投入生产的能力。

Anthropic 周三证实，该公司正在组建一支内部“定制芯片团队”来为Claude设计芯片——这是该公司首次公开承认其自6月初以来一直在秘密推进的专有硬件计划。这一经TechCrunch证实的公告标志着一个战略转折点：Anthropic不再仅仅是外部芯片合作伙伴产品的使用者，而是正在转型为芯片设计商。

日前，Databricks与微软深化了合作伙伴关系，合作期限现已延长至2030年代。双方将开展更紧密的工程合作，Databricks 将更多地采用微软基于Arm架构的Cobalt处理器，并更加依赖Azure平台。微软将继续将其AI产品线全面融入Databricks技术，同时将Genie和Unity AI Gateway更深入地集成到微软的产品中。

借助Spring AI，我们可以将大型语言模型(LLM)集成到 Spring 应用程序中。例如，这有助于处理维基页面、电子邮件或聊天消息等非结构化数据，通过提取结构化信息并将其存储在数据库中。然而，LLM 的响应并非确定性的，因此无法通过应用程序代码进行测试或处理。为LLM响应实现某种质量把关的最佳方式，是再次使用LLM进行评估。这种模式被称为“LLM 作为评审员”(LLM-as-a-Judge)。

日前，NetApp宣布收购DataPelago，此举旨在让企业数据无需在多个系统间迁移即可直接用于AI。此次收购将NetApp的存储平台与DataPelago基于GPU的数据处理技术相结合。

研究团队通过分析隐藏在望远镜观测数据中极其微弱的信号得出了这一结论。他们将多项观测数据与详细的计算机模型相结合，确定该信号源自从行星大气中逸出的氦气，研究人员表示，这提供了迄今为止最有力的证据，证明一颗位于宜居带的岩石行星保留了大气层。

数据从来不是单纯的数据而已，它承载着业务规则、历史决策、技术妥协、监管义务以及运营依赖关系——这些都是经过数年，有时甚至是数十年积累而成的。

推出自研定制芯片的意义远不止于芯片本身。我们一直关注着这样一个更广泛的行业趋势：超大规模科技公司正试图拥有更多自己的AI基础设施。许多人将此视为一项重要的战略优势，而Meta似乎也认同这一观点。

随着 AI 编码代理的兴起，开发人员已开始尝试处理复杂的多步骤升级请求。由于 Spring 是最流行的 Java 框架，开发人员只需使用“请将此应用程序升级到 Spring Boot 4”这样的自然语言命令即可完成应用程序升级，这一设想令人振奋。