没有大模型的命，却得了大模型的病！

最近大模型有多火？

感觉全宇宙都在搞大模型了

业界对大模型充满了期待

觉得只要有了大模型，就无所不能

「一剑开天门」，AI破局所向披靡

但是，很多盲目迷恋大模型的人

都忽略了1个事实

目前市面上被炒得最火的大模型

几乎都是LLM模型，即「大语言模型」

LLMs最擅长的是自然语言理解和生成

当下最成熟的应用领域，还是AIGC

虽然，这些大语言模型的出现

让大家看到了通用人工智能的曙光

但对于toB行业来说

如果基本的数据内功没练好

大模型这剂猛药并不能“一剑开天门”

如果数据理不顺

既不可能炼制出自己的大模型

也很难微调适配已有的大模型

甚至，连细分场景的小模型都搞不定

更甚，连基础的数据分析和业务支撑都拉胯

最终，这种情况，就成为

没有大模型的命

却得了大模型的病

那么，企业怎么才能把数据整好

把「采存算管用」的路径跑通？

回望大数据技术的发展史

自古以来，这事儿就没有一招鲜

为了能把数据用好、管好

各方神圣都操碎了心

50年来，各种技术不断折腾

最初，人们主要倒腾结构化数据

需要账本来记流水账

账本要能高频率“记账”和“查账”

还要保证账目是正确可靠的

（事务处理，ACID原则）

实际中，主要用各种二维表格来记账

这也就是最主流的关系型数据库

关系型数据库一直沿用至今

仍然是支撑交易型业务的主力军

后来为了更好支持不同类型的新业务

又诞生了许多非关系型数据库

键值、文档、时序、宽表…

它们被称为NewSQL

大家各显其能，保障生产系统更流畅

事务型的生产业务运行久了

就会有大量的历史数据留存下来

老板们喜欢翻旧账

比如要查查10年来所有兔子的吃喝拉撒

以此作为兔子洞新一年规划的依据

这些陈年旧账就会被组合起来

做些数据的抽取和转换

目的是让翻旧账（查询、分析）速度更快

这就是数据仓库

面向的是BI类的数据分析需求

再往后，随着企业越来越大

不只有新账（数据库）、旧账（数仓）

还多了大量烂账（各种非结构化数据）

索性就挖个大坑，把各种账都扔进去

新账老账烂账一起算，以后总能用得上

这个“大坑”，其实就是数据湖

本质上讲，数据湖是个中央存储库

用来存储企业日益增长的各类原始数据

面向新兴的机器学习和数据科学需求

但一旦数据治理没做好

新账、旧账、烂账，最后就变成糊涂账

所以，这样的数据，大模型也救不了

为了更好的分析和利用数据

避免重复建设、减少数据移动的工作量

有人就想把数仓的一些能力整合到湖上

（ACID事务、Schema校验和数据管理、流批一体等）

于是，「湖仓一体」悄悄火了起来

就这样…

“兔洞方一日，世上五十年”

五十多年来，数据处理技术风起云涌

用来给交易型的生产业务扛活的数据库

作为开山鼻祖，老而弥新，始终坚挺

而面向分析型业务场景的技术却在不断更迭

直到最近几年才算尘埃落定

湖仓一体技术挑起了这副千斤重担

作为大数据时代的终极产品

「湖仓一体」是个融合架构

既要…，又要…

数仓好比是“鱼”，面向结构化数据分析

数据质量高，成熟度和易用性好

适合业务分析、BI报表等传统业务

数据湖好比是“熊掌”

海量存储各类结构化、非结构化原始数据

强调低成本、大容量，灵活性好

但数据质量低，还不支持事务处理

主要适用于数据科学、机器学习等场景

“湖”和“仓”都各有优缺点

湖仓一体把二者的优点结合起来

平衡成本与效率，鱼和熊兼得

用一套架构支持多元化的分析业务

那么，是不是上了湖仓一体

数据分析、数据挖掘、大模型修炼与适配

企业的各种用数需求就能搞定了呢

！！并没有！！

「湖仓一体」只解决了

数据处理的基础技术架构

但企业数据的全生命周期运转中

还有太多的坑没有填平

比如，很多企业并没有

数据顶层规划能力

只是盲目堆砌各种新技术

反复挖坑和填坑

既花了冤枉钱，又走了冤枉路

再比如，人人都知道数据安全很重要

但目前相对成熟的湖仓一体方案

大多是公有云服务商主导的

对于政企行业客户来讲

数据迁移的代价大不说

还有一些合规和安全方面的顾虑

同时，对于企业来讲

还需专业的数据人员、清晰的数据场景

以及持续的数据运营

才能真正把那些纸面价值变成真金白银

否则，即便大模型再香、湖仓一体再牛

数据也变不成金子，反而变成沙子

那么，企业用数的“坑”怎么填？

企业的大模型“相思病”怎么治？

如何让企业数据“荒漠”变回“绿洲”？

莫慌莫慌，绿洲，真来啦

新华三绿洲3.0震撼登场

帮助企业构筑与时俱进的用数底座

加速数据价值释放

作为一站式的企业用数平台

绿洲提供面向细分场景的行业用数方案

以及全栈用数服务

覆盖企业数据业务的全生命周期

在绿洲3.0大平台下

湖仓一体是最核心的数据处理引擎

提供了“鱼和熊掌兼得”的体验

BI、AI甚至大模型训练和适配的需求

都得到了一站式的满足

新华三基于ONEStor对象存储

为“绿洲”打造了全新湖仓底座

实现海量数据统一入湖、统一存储

优化存储成本，降低整体投资

通过新华三自研的DLH湖仓智能路由

支持跨源、跨域一体化数据分析

大大减少ETL和数据搬迁工作量

提升数据探索效率，降低平台运维成本

同时，基于新华三DE大数据平台

实现流批一体，融合数据分析

无需建设和管理流、批两套平台

快速响应业务需求并降低成本

绿洲3.0的湖仓一体方案

是任意组合、任意伸缩的模块化架构

满足不同行业客户的个性化建设需求

可以本地化部署，数据不出域

提供更好的安全性和数据所有权

满足政企行业监管&合规需求

可以任意搭配、解耦部署

灵活满足客户各种数据业务

大数据平台、数仓、数据湖、数据中台

循序渐进、殊途同归

可与紫光云搭配提供云湖仓服务

按需部署，极速上线

满足各类数据业务的微创新需求

至此，依靠绿洲3.0的湖仓一体能力

客户数据业务的各种坑

建设成本的坑、合规安全的坑

个性化需求的坑、持续数据运营的坑

都可以填得七七八八了

但绿洲3.0能做的远不止这些

除了湖仓一体的技术基础能力外

绿洲还提供全栈用数服务

帮客户铺平方案落地的最后一公里

这些服务，可以有效弥补客户侧

顶层设计短板和数据人员能力的不足

并能够扶上马、送一程

助力数据价值发现和数据持续运营

让行业落地更顺畅

目前，新华三绿洲平台

覆盖100+细分用数场景

对接200+ISV生态伙伴

广泛服务于各行各业

想要了解绿洲平台3.0的更多细节吗？

大模型时代如何激活数据潜能？

5月10日，一场「数据盛宴」即将开启

更前瞻的用数观点

更成熟的用数实践

更全面的用数发布