AI 如何赋能商业？最新动态与深度解析

Fivetran 收购 Census：如何打造端到端数据传输平台？

为什么 Fivetran 要收购 Census？

Fivetran，一家成立于2012年的数据整合公司，通过收购 Census，旨在提供端到端的数据传输解决方案。这一举措可以将反向提取、转换和加载（ETL）能力整合到其平台中，进一步扩展其数据服务范围。许多 Fivetran 客户一直需要反向ETL解决方案，与其自行开发，不如收购一家已经成熟的公司来加速这一进程。

Census 是什么来头？

Census 成立于2018年，专注于将数据从数据库转移到操作工具。该公司已获得超过8000万美元的风险投资，2022年的估值为6.3亿美元。Fivetran 和 Census 的客户群和平台风格非常相似，这为收购提供了天然的协同效应。双方的创始团队也有着深厚的关系，早在 Census 成立之前便有过合作讨论。

这次收购对 Fivetran 有什么意义？

此次收购将两家公司整合，推动 Fivetran 成为更加全面的数据平台。通过整合 Census 的反向ETL能力，Fivetran 可以为客户提供更完整、更高效的数据传输解决方案，助力企业更好地利用数据驱动业务增长。

, ,

谷歌 AI 模式：如何扩展访问权限并新增功能？

什么是谷歌 AI 模式？

谷歌的AI模式是一种实验性功能，允许用户在搜索中提出复杂的多部分问题，并深入挖掘主题。自3月推出以来，AI模式不断扩展其访问权限并增加功能，旨在提升用户体验。

谷歌 AI 模式有哪些新功能？

1. 扩展访问权限： 现在，任何年满18岁并已注册 Google Labs 的美国用户都可以访问该功能。
2. AI模式标签： 谷歌正在测试一个 AI模式 标签，将它添加到 Google搜索 中，部分美国用户可见。
3. 视觉化展示： 用户现在不仅可以询问关于地点和产品的详细问题，还能用 AI模式 找到新的餐厅或为旅行做准备。AI模式 将展示视觉化的地点和产品卡片，点击后能查看更多细节，例如商店的人流量和营业时间，以及产品的价格、促销、图片、运输和库存等信息。
4. 继续上次搜索： 新增了“继续上次搜索”的功能，帮助用户在进行较长时间的项目时，快速返回之前的搜索结果并提问跟进问题。

谷歌 AI 模式如何与竞争对手竞争？

此次更新旨在提升 AI模式 的功能，使其更好地与 Perplexity AI 和 OpenAI 的 ChatGPT 搜索等服务竞争。通过提供更全面、更直观的搜索体验，谷歌 试图在AI搜索领域占据一席之地。

, ,

AI 模型部署：为什么 Claude 比 GPT 贵？

Claude 和 GPT 的每 Token 成本有竞争力吗？

尽管 Anthropic 的 Claude 和 OpenAI 的 GPT-4o 模型在标榜的“每Token成本”上具有竞争力，但实验结果显示，Claude 模型的整体成本比 GPT 高出20-30%。

为什么 Claude 模型的整体成本更高？

这主要是由于 Claude 模型的分词器在处理相同输入时，会生成更多的 Token。虽然 Claude 3.5 Sonnet 的输入 Token 费用比 GPT 低40%，但其分词器将相同内容分解成更多的 Token，从而导致整体成本上升。例如，对于英语文章，Claude 的分词器比 GPT 多生成16%的 Token，而对于数学公式和 Python 代码，溢出率分别为21%和30%。

这种差异对企业有什么影响？

这些分词差异对 AI 企业至关重要，尤其是在估算 Token 数和预算成本时。企业在选择 AI 模型时，需要考虑这些隐性费用，特别是在处理技术性内容时。

例子说明

假设你要用 AI 模型处理一篇包含大量数学公式的论文。如果使用 GPT 模型，可能只需要1000个 Token，但如果使用 Claude 模型，可能需要1300个 Token。虽然每个 Token 的费用 Claude 略低，但总体成本还是会更高。

, ,

Astronomer 获 9300 万美元融资：数据调度如何成为 AI 基础设施的关键？

Astronomer 是做什么的？

Astronomer 是一家致力于通过其基于 Apache Airflow 的数据调度平台 Astro，帮助企业更好地管理数据管道的公司。该公司完成了9300万美元的D轮融资，资金将用于加速研发和全球扩张。

为什么数据调度对 AI 应用至关重要？

数据调度作为自动化协调复杂数据流程的关键技术，已成为成功部署 AI 的必要条件。许多企业无法大规模部署 AI 的一个重要原因是缺乏有效的数据调度能力。数据调度 就像一个交通指挥系统，确保数据能够按时、准确地到达目的地，从而保证 AI 应用的正常运行。

Astronomer 的 Astro 平台有什么优势？

Astronomer 的 Astro 平台基于开源框架 Apache Airflow，其迅猛增长反映了企业对数据调度的重视。Airflow 在2024年下载量超过3.24亿次，成为现代数据管道调度的事实标准。通过其创新的 Airflow 3.0，Astronomer 为 AI 工作负载提供了更强的任务执行能力，进一步提升了数据团队的敏捷性。

实际案例

福特汽车公司通过 Astro 平台支持其先进驾驶辅助系统（ADAS）和“Mach1ML”机器学习平台，每周处理超过1PB数据，运行300多个并行工作流。

, ,

微软发布 Phi-4-Reasoning-Plus：小巧高效的开放权重推理模型

什么是 Phi-4-Reasoning-Plus？

微软研究院发布了 Phi-4-Reasoning-Plus，这是一个开源的推理语言模型，专为需要深度结构化推理的任务设计。它基于之前发布的 Phi-4 架构，结合了监督微调和强化学习，在数学、科学、编程和逻辑任务上表现出色。

Phi-4-Reasoning-Plus 有什么特点？

1. 小巧高效： 这是一个14亿参数的密集型解码器，采用16亿个训练标记，其中8.3亿为独特标记。
2. 数据中心化的训练策略： 微软采用数据中心化的训练策略，并通过强化学习进一步提升推理能力。
3. 卓越的推理能力： 与大型模型相比，Phi-4-Reasoning-Plus 在多个基准测试中表现优异，尤其是在AIME 2025数学考试中，其“pass@1”准确率超越了70B参数的大型模型。
4. 开放性许可： 该模型的开放性许可允许广泛的商业和企业应用，支持 Hugging Face、vLLM 等推理框架。
5. 适用场景广泛： 它特别适用于内存或延迟受限的环境，如法律分析、技术问答和金融建模等领域，且能在64,000标记的上下文中稳定运行。

Phi-4-Reasoning-Plus 的意义是什么？

微软 表示，Phi-4-Reasoning-Plus 展示了如何通过精心设计的训练方法，使小型模型能够在推理任务中提供强大表现，并强调了开放和民主化的访问。

, ,

鲁迅风格的感悟

我认为：

数据之潮，汹涌而来，AI 之帆，乘风破浪。Fivetran 收购 Census，乃是强强联合，欲在数据传输之路上称雄。谷歌 试 AI 模式，亦步亦趋，欲在搜索之林中独领风骚。然 Claude 之贵，在于分词之细，犹如繁文缛节，徒增成本。Astronomer 借 Airflow 之力，调度数据，方能使 AI 应用落地生根。而 微软 之 Phi-4，小巧玲珑，却能推理如神，真可谓“麻雀虽小，五脏俱全”。

呜呼，AI 之路，道阻且长，然上下求索者，终将有所成。