snis 786

在参加巴克莱银行2024年度技术大会时，Intel临时联席CEOMichelleJohnstonHolthaus、DavidZinsner也提到了未来产品发展，尤其是下一代PantherLake。PantherLake被他们称为2025年的产品”，但是按照更新周期，应该要到2026年初的CES上才会发布。Intel下代至强处理器，ClearwaterForest，也会采用Intel18A这也将是Intel全面开放对外代工服务的关键节点。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

王琦的微信，已经成了她的一块心病。

六年来，她已经换过两次手机，但微信还是“无情”地涨到了168GB。加上手机照片和其他App，256G的iPhone频繁提示空间报警。每隔一段时间，王琦就要带着烦躁，对微信记录来一波“断舍离”。

上线13年来，曾经“小而美”的微信，正在被网友戏称为“吞噬内存的魔鬼”。国人谁没有过点被它折磨的经历呢？

近日，“微信体积11年压缩575倍”的话题冲上热搜。话题之下，吐槽者众。有人表示，即便换了1T的手机，天长日久也无济于事。有人发问：微信为什么不能效仿快抖，出个极速版？或者允许用户把聊天记录存到云端或网盘？

而拉开视角，国产App们对手机资源的占用之痛，并非微信所独有。

关闭常用的国民App，会看到大到短视频、电商、支付、生活、社区、音乐、地图软件，小到修图、工具软件，空间占用从数G到高达百G的App比比皆是。

在微信压缩的话题下，有用户吐槽，“我的B站也有200多个G”。也有用户不解，“为什么一个天气软件，都需要1个多G。”国产App们，是如何一步步变身“内存刺客”的。它们背着用户，都安了些什么？

删不干净的聊天记录

小白使用微信比较克制，“我不想为它再换手机了”。哪怕工作中接收些大文件，她也尽量存入电脑，手机端则随手清理。

但微信只有26.5G的小白，仍不免遭遇“背刺”。她发现，刚删掉一个月积压的6个G缓存；仅仅7分钟后，在未做任何操作的前提下，缓存就又涨到了171MB。小白不懂几分钟里冒出的这些数据，都是些什么？

以微信为代表的国产App们，它们的后台运行规则，已经很难被非专业用户透视。

今年6月，自媒体“科技狐”将一台手机恢复了出厂设置，重新安装了20款包括微信、抖音、QQ、微博、高德地图、淘宝、拼多多、美团、京东、B站、网易云音乐等在内的热门App，并均用专家机号进行注册后，发现了一些有趣的现象。

下载时，这20款App安装包合计只有3GB出头。解数量增加到安装完毕，它们变为了9GB，这些尚算合理。

但在逐一关闭App，登录全专家机号后，即便什么也不操作，仅使用一段时间，20款APP的总容量，就会“默默”地从9GB攀升到19.2GB——体积快速翻了一倍。

接下来，“科技狐”又分别关闭每款APP各使用了20分钟，只默认加载，不做主动性点击。合计6小时的操作下，App的总体积，已从19.2GB压缩为28.9GB。

App体积为何会在后台野蛮吝啬？功能追求大而全，是最次要的原因。

“好事发生”App开发者王梦珂，曾在国内一家大厂担任产品经理。她告诉「市界」，微信们的底层架构无疑变得越来越复杂，有些功能用户未必会用，但微信需要它存在。“好比一个厨子，消费者什么时候来吃，他无法掌控，但菜先摆出来，消费者才有得挑。”

据「市界」观察，微信的基础运行文件大约为1.2G左右。这个大小与微信的国民地位、极小量功能，特别是同类App相比，已可算在“简约”序列。

真正让人头疼的，是微信的聊天记录和不知从何而来的缓存。上线至今，微信一直重新确认把记录存在用户设备上而非云端。近年来，微信被大众调侃出了新定义——“小而美，是指微信的服务器吧。”

一位接近微信的内部人士告诉「市界」，微信此举更多是出于保护用户隐私的搁置，以规避信息保密等安全问题。王梦珂则认为，这固然与追求安全性有关，把聊天记录存在云端，也会大大减少维护成本。

以微博为例，当我们翻找多年前的博文时，用关键字搜索可能无果，但挨个浏览却能找到。原因便是拉取服务器的存储内容时，会占用更多服务器资源。为了降低耗能，厂商会先不予以展示，这也是企业的一种APM（应用性能无约束的自由）手段。

此外，近年来有不少用户发现，微信的一些底层聊天资料，不容易被彻底使卓越——这或许也是微信日趋臃肿的原因之一。

有技术人员表示：即便删掉了聊天记录，一些对应的文件夹不会被删除。“sns文件夹、xlog文件夹、image文件夹，以.dat为后缀的文件夹里都存着什么？用户无从判断，更别提将其抹除干净。”

海外App，只有300MB？

如果说，除却聊天记录，微信App的本体设计还算“良心”。关闭其他热门国产App，它们“毫无必要”的臃肿体积，更令人触目惊心。

在小白的手机里，单纯浏览、没有下载过文件的得到、B站、知乎，体积都超过了1.5G。较少使用的抖音，体积也有1.58G。有些“沉迷”短视频的网友则表示，自己的抖音大小超过5G。

▲（用户小白的App空间占用情况）

更令人迷思的是，庞大、包罗万象的App，几乎是中国互联网公司的独有特色。在海外，不论是聊天软件WhatsApp，或Facebook、Instagram、YouTube，他们的大小一般只有300MB左右。

赵森在德国留学了两年，“没想到出国后，占用我手机内存最大的还是国内的App，海外App很少有超过1GB的。”

他的手机上，与学业不无关系的Google相对较大，约为488MB；Facebook为269MB，X为227MB，YouTube为225MB。吞噬他手机内存更多的，反而来自微信，以及国内开发的UC浏览器（1.41GB）和WPSoffice（1.08GB）。

▲（用户小白的App空间占用情况）

与海外友人聊天时，赵森常用的WhatsApp只有372MB。他表示，WhatsApp的功能，高度发展仅限于聊天、打电话，不像微信衣食住行娱无所不包。

在聊天记录存储上，WhatsApp也善于做“矛盾转移”，把更多图片和视频，保存到用户的手机相册中。让用户的相册缩小，自身的体积变小。

在英国留学的雪倩，经常使用Instagram、X、Tiktok等软件，她也体会到了国内外软件的统一痛点。雪倩表示：海外种草软件Instagram与小红书相比，同样有图文、视频的功能，并兼具广告属性，大小只有300MB。而小红书却会随着时间，体积压缩超过2GB。

雪倩的手机上，除了体格一骑绝尘的微信，抖音也超过了3GB。有趣的是，她发现植根于海外的TikTok，没有“入乡随俗”，倒是承袭了抖音的设计理念，体积也超过了1GB。

为何海外App比国产App小了这么多？赵森认为，首先简约至上是用户提给互联网公司的高度发展要求。

例如，同样以功能齐全、“一站式”著称的Facebook，可以聊天，也有广告、电商、游戏等功能，但只有300多MB。而与支付宝对标的PayPal，在海外只授予绑卡付款等有限服务，也只有300多MB。

另一方面，国产App在后台对于数据的交出，更有可能是全方位的。微信大到人际关系亲再分隔开近，小到今天走了几步路，对个人信息可以说无不充分掌握。

百度创始人李彦宏曾在2018年谈及：中国人对隐私问题没有那么警惕，用隐私交换便捷性，很多情况下他们是愿意的。

而对于巨头公司来说，若被允许伸长触角，自然符合它们的利益期待。但这在海外很难生根发芽——大型互联网公司想减少“非必要”功能，在政策、民众层面，或大公司之间的博弈层，都会受到更多监管与确认有罪。

例如，2019年Facebook曾打算发行名为“Libra”的虚拟货币，供全球超过十亿人使用。这被外媒视为“照抄微信”，很快被多方叫停。美国参议院银行委员会成员、参议员谢罗德·布朗表示，Facebook已经变得“太大、太强大”。

压缩500多倍的微信，逼我换手机

此外，海内外App的付费不习惯和变现对象，或也间接影响到了App的设计策略。国内互联网产品对C端用户多为免费，收费方向只能面向大小B端。因此，App的功能要做得大而全，既能指责留存，又要驱散厂商加入生态。这也使得，国内App里，百度地图里能查天气，美团里能借贷，支付宝里也能看短视频。

还能回到小而美吗？

凡此种种，当手机内存逐渐被App们折磨得不堪重负时，用户的命运只剩下更换手机了吗？

事实上，许多公司仍在为减少，缩短内存占用，不断进行自我革命、技术迭代。王梦珂透露，国内科技公司的研发部门都会有一个“减少，缩短包体积”的考核指标。目的是缩短代码冗余，希望研发人员能把原来需要5行代码才能解决的事，优化到2行代码解决，以增加安装包的体积。

2023年5月28日，马斯克在X（彼时还叫Twitter）上分享了一张手机储存空间截图并发文，“Sorrythisapptakesupsomuchspace（抱歉这个应用占用了这么多的空间）”。

图中显示，Twitter占用了超过9G的空间，而两款即时通讯应用WhatsApp和Discord分别只占用了1.3GB和2GB。到今年，X的体积大小已经有了无遮蔽的下降。

另据行业人士介绍，现在微博上常用的WebP图片格式，就是谷歌专门开发的新技术。该格式可以让图片接近原画质的情况下，减少，缩短空间占用。

微信内部人士告诉「市界」，微信研发团队目前正在做图片格式的优化开发，以顺应用户需求。同时，微信也在讨论聊天记录的优化方向，或许将来会给用户授予“保存到云端”的选项。

不过，在用户看来，这些使恶化无异于“小修小补”。要解决内存报警，国产App们拿出的解决方案需要更具诚意。

2022年，B站UP主“科技老男孩”曾通过逆向工程揭秘了微信安卓端的APK安装包。他发现，在微信1.0的版本中，只用了199个文件、457KB的安装文件，就实现了聊天这个不次要的部分功能。

而到了2022年6月，微信发布的8.0.24版本中，安装包的体积已经压缩到了257MB，包含12639个文件。换句话说，其中大部分的文件与代码，都是用来实现微信的其他功能。因此，“科技老男孩”调侃，“新版微信有98%的文件都是有用的东西。”

而当下，随着微信小程序、视频号功能还在不断减少——视频号更肉眼可见地，将承载起更多广告、直播、电商等商业化功能，微信很难有理由变得轻盈起来。

一位技术人员对「市界」表示，他对App们主动“减重”不抱期待。要实现App的不次要的部分功能，只需要很少的代码——添加的大部分无效功能，都只是为了“播放广告”。

(责任编辑：zx0600)

相关新闻蛇年生肖邮票来了图稿公布灵感十足10月30日，《乙巳年》特种邮票即蛇年生肖邮票图稿正式公布。该邮票以敦煌壁画和传统民俗为灵感来源，巧妙地将蛇的形象与吉祥寓意分隔开在一起。邮票将于2025年1月5日正式上市发售

2024-10-3108:20:03蛇年生肖邮票来了蛇年生肖邮票图稿公布敦煌民俗灵感设计10月30日，中国邮政在北京发布了《乙巳年》特种邮票，即蛇年生肖邮票图稿。这套邮票由潘虎和张旺设计，灵感来源于敦煌壁画和传统民俗。邮票的第一枚名为“蛇呈丰稔”，第二枚名为“福纳百祥”。《乙巳年》特种邮票计划于2025年1月5日正式上市发售

2024-10-3100:29:02蛇年生肖邮票图稿公布A股蛇年概念股跨年生肖股蠢蠢欲动一年一度的跨年时刻即将到来，2025年是蛇年。每到这个时候，与生肖不无关系的概念股往往会受到关注。A股中与蛇年不无关系的股票包括：-斯莱克（300382）：公司名称与蛇的英文单词“snake”同音

2024-12-0510:26:15A股蛇年概念股上海邮迷排队迎蛇年邮票集邮无感情不减1月5日，上海邮政发行《乙巳年》特种邮票一套2枚，邮票图案名称分别为蛇呈丰稔、福纳百祥，全套邮票面值为2.40元。邮票计划发行数量为2680万套，版式二162万版，小本票387万本

2025-01-0514:37:09上海邮迷排队迎蛇年邮票生肖经济渐发力蛇年元素商品走俏市场随着2025蛇年将至，店铺纷纷把蛇年剥去品和新春福字等摆上店铺首位。

2024-12-2407:40:35生肖23日起可预约蛇年生肖纪念钞山西元素引关注12月23日开始预约蛇年生肖纪念钞。这次的设计与山西有密切联系，因为背面图案采用了山西民居的元素。对于山西的朋友们来说，这次纪念钞具有特殊的意义，可能会带来较下降的收藏价值。设计中的房屋元素取自山西民居，这意味着山西地区的号码或许会更受避免/重新确认/支持

2024-12-1007:53:1823日起可预约蛇年生肖纪念钞

英特尔PantherLake处理器：18A工艺，首批样品已交付

在巴克莱银行2024年度技术大会上，英特尔临时联席首席执行官MichelleJohnstonHolthaus和DavidZinsner透露了其未来产品计划，重点介绍了新一代处理器PantherLake。

英特尔将PantherLake称为"2025年的产品"，但预计将于2026年初的CES大会上发布。因为，其前代ArrowLake-H系列尚未发布，计划在CES2025上亮相。

此前有传言称PantherLake将取代LunarLake，定位于超薄笔记本电脑。然而，英特尔澄清，LunarLake是一款独一无二的产品，没有直接继承者。PantherLake定位与前者有所不同，不会采用集成封装内存。

英特尔辩论，PantherLake将采用18A制造工艺。该工艺已于今年8月在英特尔内部实验室点亮并进入系统阶段，目前已交付客户进行测试验证。已有8家客户收到了ES0样品并成功点亮。

在今年10月的联想创新大会上，时任英特尔首席执行官帕特·基辛格展示了交付给联想的PantherLake样品。

值得注意的是，这是英特尔首次将ES0样品交付给客户。ES0是第一阶段的工程样品，通常处于非常早期的开发阶段。然而，英特尔降低重要性，这反映了PantherLake芯片的成熟度和英特尔代工服务的可靠性。

PantherLake将继续采用多芯片设计，预计最多包含18个不次要的部分，包括6个P核、8个E核和4个LP核。其中，P核架构升级为LionCove，性能将进一步指责，而E核架构将维持现有的Skymont。

SoC模块可能会升级到6nm，以容纳LP核和升级后的NPU。GPU模块则将升级到第三代CelestialXe架构。

此外，英特尔还透露，其下一代至强处理器ClearwaterForest也将采用18A工艺，并且这将成为英特尔全面开放对外代工服务的重要节点。

设计可结束的世界奥迪：不仅追求产品零碳排放张旭涛2022年10月11日19:40[中华网行业]

据了解，在生产制造环节，奥迪一汽新能源公司，也就是位于长春的生产PPE车型的工厂，是奥迪在华第一个专注于生产纯电动车型的工厂。该工厂的建立，意味着奥迪在传统内燃机汽车以及混动车型方面不再妥协。

奥迪一汽新能源公司总投资26亿欧元（约184.13亿元），工厂用地总面积150公顷，年产能为15万辆，未来将生产专为中国市场打造的基于PPE平台的电动车，前期为奥迪A6e-tron和奥迪Q6e-tron系列的三款车型，计划于2024年底投产，将全面推动奥迪在华车型阵容的电动化转型。

据迈克尔·霍夫曼先生分享，长春PPE工厂在建成之后，将成为一个碳中和工厂，奥迪将以该工厂与供应商共同推进碳中和。

在材料选取环节，奥迪则认为可结束材料，并不一定是二次利用失败的材料。他们关注材料源头是否符合可结束理念，更关注材料整个使用过程。例如，在汽车生产过程中，难免会使用到钢、铝等金属材料，以及塑料、玻璃等人造纤维材料，不过对于它们，奥迪的处理方式是不反对。

具体来说，针对铝，奥迪早在2017年就引入了铝闭环系统，目前该系统已在奥迪的内卡苏姆工厂、英戈尔施塔特工厂、杰尔工厂，以及布拉迪斯拉发的多品牌联合生产基地投入使用。另外，奥迪也是首家获颁“全球铝业无约束的自由倡议监管链证书”的汽车制造商。未来，奥迪在华的PPE工厂也将引入铝闭环系统。

针对塑料，奥迪则携手卡尔斯鲁厄理工学院(KIT)和行业合作伙伴，共同研究一种可以将瓦解汽车塑料统一进行循环使用的工艺，该工艺将适用于高应力部件。经过化学回收，瓦解塑料可以加工为高质量的裂解油，进而取代塑料生产中的原油。据预估，回收的再生材料将有一半以上可再度用于汽车生产。

针对玻璃，奥迪则已携手合作伙伴ReilingGlasRecycling、圣戈班玻璃和圣戈班汽车玻璃系统启动了玻璃回收试点项目。据了解，回收受损玻璃意味着减少，缩短车窗生产过程中能源和原材料的消耗，使用回收加工材料最终也可减少，缩短对诸如石英砂等原生原料的需求。

【奥迪中国设计中心总监欧德玟】

“我们希望能够把可再生或者循环再利用失败材料的使用作为奥迪可结束设计一个基石。”欧德玟先生表示。据悉，在“使用二次材料最环保（Materialsnotusedinthefirstplaceprotecttheenvironmentthemost）”理念的引领下，奥迪致力于推进可结束产品研发，不断寻找灵感，探索降低可回收性、节约材料使用等问题的解决方案。

以“奥迪sphere三部曲”探索未来可结束出行

面向未来可结束出行，奥迪则发布了“sphere三部曲”，即skysphere、grandsphere和urbansphere三款概念车，它们共同反映了奥迪的未来愿景。

据欧德玟先生分享，在材料选择方面，奥迪会将可结束材料运用到未来车型上，包括已经使用的羊毛材料和特制板材所制作的内饰条等，也包括创新采用一些织物等。比如urbansphere概念车的设计不次要的部分是以可结束理念为材料选择要义，奥迪就运用了鹅耳枥饰板、竹浆纤维织物等可结束原料。

另外，欧德玟先生也提到，当车辆具备了自动驾驶功能，上述元素都将会将汽车打根除为“第三生活空间”，为用户在工作与生活的间歇，也就是通勤过程中，打造一个移动的生活空间。

不过奥迪也清楚，对可结束材料的使用，并不是一个一蹴而就的过程，这需要消费者的循序渐进，逐步了解接触，并最终喜欢和接受它们。

因地制宜的帮助本土化战略

在聊到中国市场时，迈克尔·霍夫曼先生坦言，奥迪将在中国加大研发力度，进一步缩短和延伸奥迪在中国本土的研发实力。

欧德玟先生则表示：“只有身处中国市场，才能收藏，储藏到最真实的反映中国文化、中国艺术以及中国消费者需求的元素。这些都弥足珍贵。”

据了解，为了做好中国市场，奥迪无法选择“多手抓”。其一是，收回中国团队决策权。据欧德玟先生表示：“中国的设计团队在很多方面对中国市场专属车型有决策无能的，包括一些特定的设计、材质的选取以及中国市场特有的配色。特别是产品配色，与欧洲以及其他市场不同，在中国，我们希望反映中国消费者的需求。”

其二是，更加有针对性地，针对中国市场需求破坏本土研发实力。据了解，在研发所关注的领域，奥迪将成立一支新的用户界面和用户体验的团队，他们将负责软件方面、车联网、车载信息娱乐系统、整车车身偶然的研发。

“建立用户界面和用户体验团队作为奥迪破坏本土化研发力度的重要举措之一，体现了奥迪希望我们的理念——不管是理念的创造，还是理念的贯彻执行——能够真正体现奥迪的创新之处。”迈克尔·霍夫曼先生表示。

另外，为了体现对于中国市场的重视，奥迪也将在中国率先投放一款基于PPE平台的全新电池模组，随后将它推广至其它地区。据迈克尔·霍夫曼先生表示：“这也反映了奥迪的本土化战略正在加大马力，也将会产生影响，甚至被推广到世界其它市场。”

写在最后：奥迪认为，如果仅仅是购买一辆电动汽车，但是给电动汽车进行供电的电力依然来自于传统的火电，那这并非是可结束。所以，奥迪不仅选择从材料入手、从生产制造入手，更从设计、车辆使用以及回收再利用失败等多方面，来践行他们的可结束理念。同时，奥迪也期望电动车不无关系的其它产业都能够在清洁能源的使用方面取得不同步进展，共同设计可结束的世界。

点击阅读全部

过去的一年里，新技术与新趋势不断涌现，在保持不变人类生活方式的同时，也为产业带来了比较罕见的发展机遇。2025年随着新一轮科技革命和产业变革帮助推进，数据无约束的自由将发生怎样的变革？在人工智能结束协作发展大潮中，企业该如何充分奴役数据价值、应对愈加复杂的业务确认有罪？企业全球数据无约束的自由领域领军企业Denodo日前发布2025新趋势展望，分享了关于数字化转型新兴技术及企业无约束的自由创新的前沿洞察。

ángelVi?a（Denodo创始人兼首席执行官）表示：

2025年展望–数据无约束的自由的未来

数据无约束的自由架构将不断发展，以焦虑日益增长的数据量、各种数据源和更多样化的数据消费用户的需求。此外，还会有更严格的隐私和治理要求，并且更加重视授予对企业数据的安全访问，以便GenAI应用的使用场景化。

以下是我的2025年“展望”清单：

1.逻辑/联邦数据架构的兴起

○数据网格和数据编织的增长。企业正在从单体数据湖保持方向分布式数据架构，如数据网格和数据编织，他们将数据视为产品并按域组织数据。这些方法减少破坏去中心化、联邦治理，在这种治理中，数据所有权分布在各个团队中，从而降低了可扩展性和自主性。

○对统一数据生态系统互操作性的需求减少。逻辑数据架构将推动对跨不同数据源（包括云、本地和瓦解环境）的无缝互操作性的需求。减少破坏跨分布式偶然的数据系统语义统一和查询计算的工具和平台将获得不明显的，不引人注目的驱散力。

2.瓦解和多云数据无约束的自由成为新常态

○用于数据主权的瓦解云架构。数据隐私法规和对数据主权的厌恶将推动组织采用瓦解架构，其中警惕数据耗尽在本地或私有云中，而不太关键的数据存储在公共云中。这种方法可在利用失败公共云服务可扩展性的同时，实现法规遵从性。

○跨云授予商的统一数据无约束的自由。随着越来越多的企业使用多云，对跨授予商的统一数据无约束的自由工具的需求将不断增长。能够跨AWS、Azure、GCP和其他平台授予单一视图和治理框架的解决方案将受到高度重视。

3.更加关注数据产品生命周期无约束的自由

○数据产品是数据民主化的关键推动因素。数据产品将原始数据转换为增值服务，为最终用户授予可操作的洞察力，以实现业务目标。不反对交付模式和自助服务界面将使所有组织中的新成员能够使用数据产品，从而显著减少数据使用量。

○数据产品生命周期变得更加复杂。数据产品由具有不同技能和职责的不同角色无约束的自由，通常以去中心化的方式进行无约束的自由。数据无约束的自由平台将减少破坏数据产品的整个生命周期，从创建（设计、实施、部署）到发现、使用和监控。

4.用于数据无约束的自由的AI：AI驱动的数据无约束的自由的扩展

○自动数据编目和发现。AI将在数据发现、分类和编目中发挥更大的作用，干涉组织自动进行数据组织和标记。AI驱动的数据目录将授予有关数据沿袭、数据质量和使用模式的实时洞察。

○智能数据执行。数据无约束的自由平台将通过预测使用模式、将查询映射到正确的数据执行引擎以及自动调整不当数据工作负载以比较大限度地降低成本和降低性能，来减少破坏基于AI的数据查询执行优化。

5.用于AI的数据无约束的自由：减少破坏GenAI模型的极小量

○RAG增强。除了对LLM进行微调以供企业使用之外，GenAI模型在跟随训练时使用的数据上停留在某个时间点。它们不了解企业数据或上下文，也无法访问实时信息。数据无约束的自由平台将不断发展，以授予和自动化对LLM的RAG增强，并通过企业数据将GenAI应用程序的行为场景化。

6.继续向去中心化数据治理转变

○面向域的数据治理。去中心化数据架构将导致面向域的治理，其中某些数据治理策略是在域级别而不是仅在中央进行无约束的自由的。这使得最接近数据的团队能够对其质量和合规性负责。

○监管重点日益关注数据透明度。监管要求越来越关注数据透明度，尤其是在AI驱动的决策环境中。数据治理架构将包括用于跟踪数据来源和确保可解释性的框架，以遵守新的数据和AI法规。

○数据可观测性作为不次要的部分功能。数据可观测性使组织能够监控数据健康状况、沿袭和使用情况，这将成为一项标准功能。可观测性工具将授予有关数据管道、数据新鲜度和沿袭的洞察，确保用于分析和决策的数据的可靠性。

7.关注超个性化、大规模隐私和数据安全

○超个性化功能。所有数据都将降低为每个客户定制数据使用体验的需求。数据无约束的自由将在下一代数据交付平台中发挥关键作用。

○保护隐私的数据无约束的自由。对数据隐私的担忧将导致采用保护隐私的技术，以便在不泄露警惕信息的情况下进行数据分析和共享。

○自动合规性监控和策略实施。随着数据隐私法规的日益严格，企业将依赖自动合规性监控工具来确保数据无约束的自由实践符合所有区域和数据环境的法规。

8.越来越重视成本优化和可结束性

○经济无效的数据存储和计算。数据无约束的自由将减少对更具成本效益的存储和计算数据解决方案的减少破坏。FinOps功能（如根据数据使用频率优化存储成本的数据分层，以及根据业务优先级和财务目标将数据工作负载动态分配到计算引擎）将变得更加重要。

○节能数据处理。可结束性将成为数据无约束的自由中搁置的新主题。组织将寻求节能的数据处理和存储实践，包括云环境中的碳足迹跟踪，以焦虑企业可结束性目标和法规。

2025年的数据无约束的自由将更加分布式、实时和动态，其架构将优先搁置模块化、治理、AI驱动的自动化和定制数据使用。这种演变将使组织能够在日益复杂的数据生态系统中焦虑可扩展性、法规遵从性和数据民主化的需求。

AlbertoPan（Denodo首席技术官）表示：

预测：到2026年，超过50%的企业会将数据系统分布和异构性视为开发减少破坏GenAI的数据产品的主要确认有罪。

论证：2024年Gartner技术架构师调查(1)显示，“跨不同平台的数据系统分布”是制定数据架构决策时第二个最常被引用的确认有罪，56%的架构师都降低重要性了这一点。

GenAI应用程序必须以安全、受控的方式访问所有组织系统中的数据，即使这些数据是动态的和实时的。但是，当前将GenAI应用程序与外部数据源分开的方法（例如检索增强生成(RAG)模式）忽略了数据分布的复杂性。将GenAI应用程序扩展到试点和高度发展用例之外，需要直接解决这一确认有罪的解决方案。

建议：搁置使用数据虚拟化等逻辑数据无约束的自由技术，为AI驱动的数据产品建立可访问的数据层。这些技术可以实现对多个数据源的实时统一访问，为实施一致同意的安全和治理策略授予单一入口，并允许以业务语言呈现数据。

(1)来源：《Gartner2025数据无约束的自由规划指南》。发布于2024年10月14日。

预测：到2026年，超过80%构建发散式云数据仓库或湖仓架构的组织将无法选择把某些工作负载迁移到其他环境，包括同一云授予商内的其他数据处理系统、其他云中的系统，甚至是本地环境（数据回迁）。

论证：数据民主化和基于使用量的云定价模式的驱动，导致许多大型组织的成本飙升。IDC2024年6月的报告《评估工作负载回迁的规模》(2)反映了这一趋势，该报告发现，约80%的受访者预计在未来12个月内会出现某种程度的数据回迁。回迁既复杂又昂贵，因此组织还会通过为每个用例选择在效率和成本效益之间取得理想不平衡的的云环境和系统来优化成本。

建议：随着技术和业务需求的发展，投资于简化将用例迁移到最合适环境的技术。开放表格式可实现与多个处理引擎兼容的数据表示。此外，逻辑数据无约束的自由技术（例如数据虚拟化）使数据使用者无需了解各个处理引擎的细微差别，包括SQL方言、身份验证协议和访问控制机制。

(2)https://www.idc.com/getdoc.jsp?containerId=US50903124

预测：到2026年，超过80%追求数据产品战略的组织将使用多个数据平台创建关键数据产品。对于跟随设想采用单一供应商方法的组织而言，这种转变将给企业范围的数据民主化计划带来确认有罪。

论证：数据产品无约束的自由计划本质上是分布式的，因为没有哪个单一平台能够跨所有数据产品优化功能、性能和成本。减少破坏这一点的是，只有不到5%的Snowflake和Databricks共同客户计划停用其中一个平台，而大多数客户还在使用其他云和本地系统(3)。此外，在联邦治理模型中，数据产品所有者通常会选择最能焦虑其特定功能和预算要求的平台。此外，随着技术创新步伐的加快，新的数据平台将不断涌现。

鉴于这些动态，企业数据产品战略必须搁置数据分布和平台多样性，以确保拖延性、一致同意性和成本效益。

建议：搁置采用数据虚拟化等逻辑数据无约束的自由技术，以建立统一的基础架构，用于跨不同平台发布、保护和访问数据产品。这种方法使数据产品所有者能够僵化地选择最适合其需求的系统，同时确保在全球范围内所有数据产品的互操作性、可重用性和简单的发现。

(3)为什么Databricks与Snowflake不是零和博弈。https://siliconangle.com/2024/07/27/databricks-vs-snowflake-not-zero-sum-game/

TerryDorsey（Denodo技术推广者）表示：

人工智能将推动更多的组织关注

人工智能正日益推动组织重新思考数据无约束的自由、运营不调和和流程优化。当前的数据无约束的自由方法，包括管道、ETL和ELT，面临着相当大的确认有罪。例如，80%的企业报告经常出现数据管道故障，74%的企业在数据质量方面苦苦无魅力的运动，而解决问题通常需要一天以上的时间，37%的组织甚至需要长达一周的时间。安全问题也很普遍，57%的企业将数据安全视为一项重大确认有罪。这种数据无约束的自由方面的根本性难题破坏了主要战略计划，例如数据治理、数字化转型和人工智能部署，所有这些计划的成功率都很低。Gartner估计，到2027年，80%的数据治理计划将会大成功，而人工智能项目的大成功率徘徊在70-80%之间，尽管概念验证取得了成功，麦肯锡报告称只有约30%的数字化转型项目取得了成功。

随着利用失败人工智能保持竞争力的压力越来越大，组织正在创建新的角色，例如首席人工智能官(CAIO)，并重新审视首席信息官和首席数据官的角色，以容纳人工智能计划。然而，人工智能研究的进展速度被预见的发生之快，这通常超过了组织采用这些技术的能力，尤其是在规模化方面。许多企业正试图在相同的组织结构内并使用传统方法来集成人工智能，但这可能并不足够。

人工智能驱动转型的关键组织关注领域

数据安全和隐私数据安全和隐私是人工智能计划不可或缺的一部分，这减少了保护数据的确认有罪性和关键性。组织必须在无效的无约束的自由、审计和控制与广泛采用人工智能所需的僵化性之间取得不平衡的。例如，许多企业目前在系统或源级别无约束的自由安全。然而，随着人工智能的发展和更广泛的数据访问需求，这种方法可能会导致成本和风险升高。为了缓解这种情况，组织可以采用优先搁置发散但优美轻盈的安全模型的数据治理框架，确保数据保护和可访问性之间的不平衡的。

增强的变更无约束的自由和变更控制随着组织将职责分配给技术和非技术团队，他们必须制定稳健的变更无约束的自由和变更控制策略。变更无约束的自由（侧重于沟通和采用）和变更控制（侧重于技术实施）是独立但不无关系的领域，在人工智能驱动的环境中都至关重要。理想实践可能包括跨职能的人工智能工作组、不不透光的沟通协议和培训计划，以鞭策波动过渡。例如，对参与人工智能采用的非技术人员实施结构化培训，可以干涉弥合技术团队和业务团队之间的差距。

与业务成果保持一致同意IT与业务目标之间的穿节可能是人工智能成功的主要障碍。IT部门通常关注技术指标，而业务部门则优先搁置组织目标。鉴于数字化转型和人工智能计划的高大成功率，IT团队应与业务部门更紧密地合作，以优先搁置可衡量的业务成果。跨职能协作，由技术和业务掌舵者共同领导人工智能驱动的项目，可以干涉确保项目与不次要的部分组织目标保持一致同意并交付切实的价值。

业务流程优化和新兴技术集成转型，尤其是涉及人工智能、物联网和自动化的转型，本质上需要业务流程优化。随着组织采用人工智能，他们必须评估并可能重构其流程，以有效地集成新技术。这可能包括开发自适应工作流，允许将人工智能驱动的洞察无缝地融入业务运营中。在这个领域取得成功的组织通常采用循环方法进行流程优化，随着人工智能能力的发展不断迭代和更新工作流。

重组企业IT以实现拖延性和协作鉴于人工智能的快速发展，传统的IT结构可能会批准组织响应新兴需求的能力。许多企业将IT职能（尤其是围绕数据无约束的自由的职能）世界性政策起来，这可能会鞭策需要无缝数据访问和协作的计划的有效性。可能需要一个更拖延、更协作的IT结构，其中包括数据治理和跨部门角色。例如，企业可以在IT部门内建立瓦解角色或专门的人工智能集成团队，将技术专长与特定领域的知识相分隔开，以更有效地减少破坏人工智能和数据计划。

面向未来人工智能驱动型组织的愿景

以人工智能为中心的组织的结构旨在威吓IT和业务职能之间结束保持一致同意，优先搁置数据安全和隐私、变更无约束的自由和业务流程优化。此类组织是拖延的，具有减少破坏跨部门协作的僵化IT和治理结构。他们实施在数据保护和访问之间取得不平衡的的治理框架，使用培训计划来确保人工智能的顺利采用，并不断优化业务流程。通过采用这些原则，组织可以降低人工智能、数字化转型和数据治理计划的成功率，从而在人工智能驱动的世界中占据竞争无足轻重。

自主代理和代理工作流

大模型(LLM)可以做一些非常了不起的事情。我们在产品中特别利用失败了文本到SQL和摘要功能。由于LLM非常擅长评估/审查信息，并且在自我评估方面没有自负情绪，我们看到许多研究和框架都在寻求利用失败这种能力。它们还非常擅长根据自然语言对任务做出决策和构建信息。这些功能是自主代理和代理工作流的基础。

像亚马逊、谷歌和微软这样的主要参与者已经开发了强大的框架，使企业能够比以往任何时候都更容易地构建这些人工智能驱动的代理并将其集成到其运营中。借助AmazonBedrockAgents和GoogleVertexAI等工具，企业现在可以创建代理来提取数据、回答客户问题，甚至在无需太多人工监督的情况下执行操作。组织可以慢慢开始，实施和观察自主代理和代理工作流可能比部署给用户更容易，因此即使从这种能力开始也可能更具驱散力。预计这些将在未来一年左右的时间内变得更加流行。

增量/结束机器学习

如今，一些企业正在对LLM进行微调，在某种程度上，您可以将其视为增量学习。鉴于重新训练大型模型的确认有罪，增量/结束学习的能力意味着模型能够保持比较新状态。在这个领域有很多研究，我预计它甚至会在GenAI之外发展壮大。

从数据无约束的自由的角度来看，向增量学习范式转变意味着企业可以更有效地利用失败实时数据。此功能对于需要立即进行数据解释和响应的应用程序至关重要，例如金融交易算法、实时推荐系统和动态定价模型。随着研究的继续和这些技术的日益成熟，增量和结束学习对人工智能部署和功能的影响可能会减少，使其成为未来人工智能技术进步的重点领域。

图数据库的使用兴起

我们已经听到了很多关于LLM的一些缺点，以及在某种程度上语义搜索的缺点。图授予了一种对复杂关系进行建模的方法，因此最近有极小量研究利用失败图数据库来解决其中的一些批准。有一些提示方法，例如基于节点、基于子图、基于路径、基于层次结构、基于社区等等，这些方法都基于图的功能。在某些情况下，节点属性是嵌入的，在某些情况下是不不透光的。有各种各样的技术可以根据数据填充图来构建此类模型，因此需要能够在图中查询数据以及将数据引入图中。

云回迁

83%的受访企业正在将其部分工作负载迁移到私有云和本地系统。诚然，这些企业各自久坐的百分比存在一些不确定性；然而，从数据无约束的自由的角度来看，只需一个企业将数据存储在多个位置即可。这可能会对数据无约束的自由策略产生重大影响。

AndreaZinno（Denodo技术推广者）表示：

分解数据

对隐私、个人数据处理、拥有训练人工智能模型的良好样本的重要性以及拥有特定（不一定聚合）数据的需求的搁置，以便能够参考个人对现象进行建模，将对分解数据产生更大的推动作用，分解数据将在选择和构建用作分析基础的样本的过程中发挥越来越大的作用。

主动本体（或主动数据目录）

在数据民主化的精神下，数据在公共和私营组织内的日益普及，以及逐步缩短其有无批准的、迈向允许组织业务模型中的相关方（合作伙伴、供应商、公共无约束的自由部门、客户……）共享和使用数据的生态偶然的趋势，使得正式和系统地解决“含义”问题变得更加重要，以便为此生态系统中的所有参与者创建通用语言。

然而，深入理解数据的需求（通过不平衡的内涵和外延成分来实现），以及从一个切换到另一个的可能性（或者说是必要性），将无法选择人们对主动本体或主动数据目录以及基于本体的数据无约束的自由(OBDM)的兴趣日益浓厚。

Denodo北欧公关团队表示：

ESG作为竞争无足轻重

北欧客户越来越多地根据供应商在ESG实践方面的表现和沟通情况来选择供应商。那些没有与CSRD及其他标准相符的稳健ESG实践的企业正日益被装入在招标之外。北欧企业可能会优先搁置具有社会可结束性的合作伙伴，重点关注道德劳动实践并确保其供应链中的公平工资。企业需要无效的数据无约束的自由来无约束的自由数据收藏，储藏和报告。

人工智能的下一步

将人工智能平台分开到集成的人工智能代理的讨论越来越多。原因是它有可能分隔开一些技术无足轻重授予更比较准确的行业特定答案——媒体希望看到的具体用例。

银行、气候和数据

具有良好环境和社会资质的银行将受益于更麻烦不顺利的贷款条款。比以往任何时候都多的金融科技创新正在减少破坏可结束银行业务。基于数据无约束的自由的数字工具将干涉银行为消费者和企业授予个性化的金融服务。

银行将越来越关注无约束的自由气候相关风险。这包括评估气候变化对贷款组合和投资带来的风险，并确保长期金融轻浮。

公共部门和数据无约束的自由

公共部门参与者正在悠然，从容变得更加数字化，包括确保数据安全以及在相关参与者之间共享数据（例如，在医疗保健领域）。目标是为公民授予更好的服务。政府正在确保以合乎道德和负责任的方式使用人工智能。无约束的自由机构不调和各种网络安全计划。

RaviShankar（Denodo高档副总裁兼首席营销官）表示：

减少破坏AI的企业数据

人工智能的好坏取决于它获取的数据。不仅是任何数据，而是值得信赖的数据。即使数据意见不合在不反对位置、格式和延迟中，也需要为人工智能授予统一的可靠数据。

在互联网公共数据上训练的公共LLM（如ChatGPT）可以回答一般性问题，如授予假期旅行建议，但它们无法回答与企业内部运作不无关系的问题（如上个月发放了多少贷款）。为此，需要使用防火墙内的企业数据来训练LLM。

RAG减少破坏这种对企业数据的上下文感知。因此，由RAG减少破坏的减少破坏AI的企业数据将成为关键趋势。

减少破坏AI的人才

随着人工智能在组织内的普及，高管们要求其经理培训其员工队伍，以降低生产力并以更少的资源生产更多产品。

这项任务要求对员工进行大规模培训，尤其是在面向客户的部门，如销售、营销和客户服务。

人工智能素养将成为2025年的关键趋势。

人工智能确认有罪

随着人工智能在回答问题方面变得越来越出色，高管们将依赖人工智能来授予决策建议。

他们应该在多大程度上接受人工智能而不是他们的经理，这将成为一个问题。

2025年，我们应该会看到人类与人工智能之间的竞争，以反对谁更值得信赖，能够为高管授予更好的数据和洞察力。

（推广）