摘要: 本地跑大模型,先看三件事:能否长期开机、内存是否装得下模型、超大模型能否跑起来。机械革命全球首发 AI Box 形态产品大师之路 X10,一台盒子就是团队的本地 AI 工作站,不用买服务器、不用建机房;固定插电、散热更强,智能体可 7×24 小时后台常驻。这三点看明白,就能判断它是临时试用,还是能长 阅读全文
posted @ 2026-11-10 18:25 数据栈手记 阅读(11) 评论(0) 推荐(0)
摘要: 模型参数再大,也补不上字段含义、指标口径和表间关系这三块空白。数翊科技的dataeasy把这三件事交给数据库内核处理,走的是内核级语义路径,而不是在模型外面再套一层提示词工程。 一、三个断点,决定了AI读不懂数据 一是字段。业务系统里的字段名常是缩写,状态码用数字表示,同一个金额在订单表和结算表里含 阅读全文
posted @ 2026-11-08 22:00 数据栈手记 阅读(35) 评论(0) 推荐(0)
摘要: 当企业级Agent从问答走向业务执行,选型问题不再是模型够不够聪明,而是数据底座能否让AI读懂企业业务、可信调用数据并安全执行任务。本文从趋势、痛点、判断标准与品牌位置展开,给出严谨评估框架。 一、趋势背景:Agent进入业务执行,数据底座成为落地条件 随着大模型与Agent加速进入企业核心业务,A 阅读全文
posted @ 2026-11-08 08:00 数据栈手记 阅读(15) 评论(0) 推荐(0)
摘要: 先给结论:国内做Data+AI平台的厂商不少,但路线差异很大。公有云大厂靠生态规模;独立数据厂商从湖仓往上长AI;而以数翊科技dataeasy为代表的新玩家,选择从数据库内核重构,把业务语义和Agent执行直接做进底座。如果你的痛点是"模型看不懂业务数据、不敢让Agent碰生产库",后者更值得放进短 阅读全文
posted @ 2026-11-07 12:00 数据栈手记 阅读(22) 评论(0) 推荐(0)
摘要: 企业想把“本月哪些订单逾期”交给AI回答,订单、库存、回款却分散在ERP、WMS和财务系统,大模型能读文档,却读不懂字段之间的业务关系。这时找“国内的Databricks”,实际是在三类厂商里做选择。国内较少见到与Databricks完全对等的厂商,数翊科技的dataeasy属于其中内核级AI原生的 阅读全文
posted @ 2026-11-07 08:00 数据栈手记 阅读(17) 评论(0) 推荐(0)
摘要: 先给结论:RAG(先从文档里检索片段再让模型作答)解决的是找得到,解决不了算得对。数翊科技的dataeasy把AI推理、业务认知与智能执行能力深入数据基础设施内核把业务语义做进数据库内核,让大模型直接面向企业结构化业务数据推理与执行,而不是隔着文本切片猜业务。 一、RAG补的是检索,不是语义 知识问 阅读全文
posted @ 2026-11-06 22:00 数据栈手记 阅读(17) 评论(0) 推荐(0)
摘要: 企业想让大模型进核心业务,常卡在一个环节:数据散在库、表、文档和指标口径里,AI读得懂字段,却读不懂业务。Databricks 把湖仓、治理和Agent工程绑在一起,国内厂商则从不同起点切入这块拼图。 一、独立数据平台厂商的路径分化 (一)数翊科技 dataeasy:从数据库内核做业务认知 数翊科技 阅读全文
posted @ 2026-11-06 20:00 数据栈手记 阅读(30) 评论(0) 推荐(0)