实时数据流公司Redpanda Data Inc.宣布推出全新的智能体数据平面,旨在解决向人工智能智能体传输信息时面临的监管挑战。
这一发布源于Redpanda最近收购的结构化查询语言引擎初创公司Oxla sp. z o.o.,该收购也于今日宣布。Redpanda智能体数据平面旨在为构建AI智能体提供可靠的数据访问层,确保这些智能体在企业环境中可被追踪、观察和治理。
总部位于旧金山的Redpanda已获得来自Alphabet Inc.旗下GV基金等投资者超过1.6亿美元的资金支持,并创建了同名平台,供企业实时在应用程序之间移动数据。例如,制造企业可能使用该平台将工厂设备的故障警报流式传输到基于云的监控工具。
该公司声称其数据传输速度超过Apache Kafka等竞争平台,部分原因是其工具采用C++编写,这是一种比Java性能更高的编程语言。
Redpanda表示,其智能体数据平面结合了经过实战检验的数据堆栈和连接套件能力,以及Oxla的标准SQL查询引擎和数据库工具。这家波兰初创公司创建了一个自托管数据仓库平台,专为大规模、低延迟分析而设计,并针对计算、内存和存储效率进行了优化,使企业能够以可预测的成本管理不断增长的数据集。
该公司似乎是专门为了获得Oxla的技术而进行收购,这项技术为其智能体数据平面提供治理工具。通过Oxla,它可以集成开源模型上下文协议和SQL的现成标准,以及其支持的现有标准,如Apache Iceberg数据表格式。
Redpanda联合创始人兼首席执行官Alex Gallego表示,智能体数据平面是AI智能体部署拼图中的重要一环。他说:"AI智能体已经初步进入现代企业的私有网络。但组织缺乏一种简单、集成的方式来观察、控制和治理这些智能体的数据访问。"
据Gallego介绍,缺乏智能体数据平面的AI智能体部署很可能不合规,因为它们被授权读取、写入和处理企业数据,并与大语言模型共享这些数据,而大语言模型会根据所看到的数据自主采取行动。Gallego说:"智能体数据平面提供了企业AI所需的、必要的MCP感知连接、访问控制和治理。通过收购Oxla,我们现在可以为智能体提供标准的SQL端点来查询运动中或静止状态的数据。"
Gallego表示,智能体数据平面实现了企业范围内的统一连接,与其数据移动平台相结合,连接私有和公有云环境。它提供对AI智能体行为的完全可观察性,监控每一个智能体交互,包括提示、输入、上下文检索和它们采取的行动。此外,它支持联邦查询——智能体同时查询多个数据源——以及数据转换,其SQL查询引擎使智能体能够简单地实时连接和转换来自不同来源的数据。
AI编程初创公司Poolside Inc.的联合创始人兼联席CEO Eiso Kant表示,他的公司正在使用Redpanda的智能体数据平面来支持其智能代理套件,这些代理代表人类开发者执行软件编码任务。
Kant说:"它为我们提供了一个实时数据平台,为智能体提供在高度安全的企业环境中运行所需的上下文。我们共同缩小了代码生成和实时执行之间的差距,推动组织从AI实验转向在生产环境中运行的自主系统。"
Q&A
Q1:Redpanda智能体数据平面是什么?它解决了什么问题?
A:Redpanda智能体数据平面是一个为构建AI智能体提供可靠数据访问层的平台,主要解决AI智能体在企业环境中的监管挑战,确保智能体可被追踪、观察和治理。
Q2:为什么缺乏智能体数据平面的AI智能体部署不合规?
A:因为这些智能体被授权读取、写入和处理企业数据,并与大语言模型共享数据,而大语言模型会根据数据自主采取行动,缺乏适当的治理和控制机制。
Q3:Redpanda收购Oxla的目的是什么?
A:Redpanda收购波兰初创公司Oxla主要是为了获得其SQL查询引擎和数据库工具技术,这些技术为智能体数据平面提供治理工具,支持开源模型上下文协议和SQL标准。
好文章,需要你的鼓励
技术无知正在阻碍全球经济增长。在关键利益相关者中,技术无知增长最快且影响最为严重。CIO必须了解利益相关者对技术的认知水平,通过提升其IT素养来实现技术的全部潜力。文章提出三个关键问题:用户是否理解日常使用的技术、用户是否清楚自己的技术需求、以及如何处理无法从技术变革中受益的利益相关者。
Character AI联合耶鲁大学开发的OVI系统实现了音视频的统一生成,通过"孪生塔"架构让音频和视频从生成之初就完美同步。该系统在5秒高清内容生成上显著超越现有方法,为多模态AI和内容创作领域带来突破性进展。
OpenAI宣布从11月4日开始向印度用户免费提供一年ChatGPT Go订阅服务。该计划月费不到5美元,于8月在印度推出,是OpenAI最实惠的付费订阅方案。印度拥有超过7亿智能手机用户,是OpenAI仅次于美国的第二大市场。ChatGPT Go提供比免费版本多10倍的使用量,包括生成回复、创建图像和上传文件功能。
这项由南洋理工大学研究团队开发的DragFlow技术,首次实现了在先进AI模型FLUX上的高质量区域级图像编辑。通过创新的区域监督、硬约束背景保护和适配器增强等技术,将传统点对点编辑升级为更自然的区域编辑模式,在多项基准测试中显著超越现有方法,为图像编辑技术带来革命性突破。