苗治勇：AI问数要精准，语义平台该如何搭建
AI问数正逐步演变为数据消费领域的基础能力，但行业普遍存在一个难题：大模型在直接回应业务数据查询时，经常产生幻觉、结果不稳定、置信度偏低等问题。尤其在Text2SQL场景里，仅依赖模型训练知识或文本召回方式，很难保证结果的精准与一致。模型并不了解"营收"在贵司的统计口径，不清楚"活跃用户"的统计周期是7天还是30天，也不知道两张表该以哪个字段进行关联——它只是在猜，而猜错了用户甚至无法察觉。语义层的价值，正是在大模型与底层数据资产之间注入一层强约束的知识体系。它把指标、维度、实体、业务流程、物理实现、SQ
MaxCompute大数据与AI融合平台的技术演进与实践应用
导语随着人工智能技术的飞速发展，数据规模与处理复杂度的爆发式增长，传统数据仓库正面临前所未有的严峻考验。如何构建一个能够统一管理多模态数据、高效支撑AI全流程开发的计算平台，成为业界关注的焦点问题。在本次分享中，阿里云智能集团产品专家刘洋，深入解读了MaxCompute在Data+AI方向的核心演进与产品能力，涵盖多模态数据存储管理、基于Python的分布式计算框架MaxFrame、SQL AI函数，以及在模型训练、汽车自动驾驶、具身智能等典型场景下的实践案例，全面展示了MaxCompute作为云原生数据
Snowflake将AI Agent嵌入数据仓库，人人都能用
AI的最终愿景并非增强工程师的能力，而是让大众能够利用企业级智能。4月21日，Snowflake推出了Cortex Agents平台，实现了AI Agent能力与数据仓库的深度融合。普通员工只需用自然语言对话，即可获取并分析数据——无需掌握SQL，也不必依赖数据分析师。01 「人人可用」才是真正的变革过去二十年，企业面临数据过载但用户匮乏的困境。Snowflake的Cortex Agents利用AI彻底破解了这一难题——员工只需提出如“Q1华北区客户流失率”这样的问题，Agent便会自动检索数据、撰写分析