创邻科技Galaxybase—激活数据要素的核心引擎
10月11日下午,创邻科技创始人张晨博士受杭州电子科技大学邀请,前往杭电校园开展交流分享。交流会中,张晨博士为现场的师生带来一场题为《图数据库——激活数据要素的新基建》的精彩分享,探讨数字经济时代底层技术的创新价值与图技术的发展趋势,引起现场观众的热烈反响。

现场讨论中,数据要素、行业风口、图关联成为热议关键词。而在热议的背后,我们能感知到随着数字化时代的到来,数据要素已成为国家和社会最为关注的焦点之一。
尤其在2023年3月7日,国务委员兼国务院秘书长肖捷在关于国务院机构改革方案的说明中,宣布国家数据局诞生之后,数据要素市场的建设更像是按下了加速键,数据要素资产化迎来发展的黄金期。
而图技术,凭借颠覆性的图数据存储和处理模式以及激活数据资产价值的潜能,再一次受到市场关注,迎来新的机遇。
01 政策牵引,数据生产要素价值凸显
数据要素风起,并不是虚火,而是时代发展的必然。
一方面,随着我国数字经济底层技术的逐步成熟,数据产生和储量加速增长。据国际数据公司(IDC)测算,预计到2025年,中国产生的数据总量将达48.6ZB,占全球的27.8%;对国内生产总值(GDP)增长的贡献率将达年均1.5-1.8个百分点。张晨博士在演讲现场,也为大家分享国家互联网信息办公室的调研数据,指出2022年我国数字经济规模达50.2万亿元,占国内生产总值比重提升至41.5%,可见数字经济已成为GDP增长的新引擎。
另一方面,数据的生产要素和资源属性也越发受到国家重视。回顾数据要素的发展,2014年,大数据首次写入政府工作报告,成为各级政府关注的热点。2015年9月,国务院发布《促进大数据发展的行动纲要》,大数据正式上升至国家战略层面,十九大报告提出要推动大数据与实体经济的深度融合。而国家数据局成立时的官方解释中更是强调道:“当今社会,数字资源、数字经济对经济社会发展具有基础性作用,对构建新发展格局,建设现代化经济体系、构筑国家竞争新优势意义重大,必须加强对数据的管理、开发、利用。”
由此可见,数字经济发展与数据资源体系建设已经上升至国家发展的战略层面。种种举措也释放出一个关键信号,“激活数据要素潜能、做强做优做大数字经济、增强经济发展新动能,构筑国家竞争新优势”已进入实质性的推进阶段,数据要素也在多重推力下一步步地迈向风口。
02 图数据库,激活数据要素的新基建
张晨博士指出:“数据要素在成为数字经济发展的基础性、战略性资源的同时,在数据要素流通和治理侧仍面临诸多现实挑战。而企业的现实困境,则成为数据要素治理难题的缩影。”
当前企业发展进程中, 内部数据“大而不强”“全而不优”“广而不通”已成为不可忽视的问题。 一方面,随着行业数字化转型加速,企业产品的访问使用频次、部门信息交流传输密度和业务系统的终端用户量大幅度上升,企业内沉淀的数据量都在呈爆炸式增长,甚至高达PB级,对底层数据库的计算性能提出较大挑战。
另一方面,企业逐渐意识到,企业价值最大化体现在数据价值上,即通过数据反馈并指导生产。因此,企业开始关注跨部门、跨渠道之间的数据融通,通过数据的关联融通来赋能企业实现深度洞察,成为提升企业的核心竞争力。
因此,企业迫切地需要一种能够高效处理多源异构数据,实现海量数据关联分析的技术。
在此背景下,以“对象-关系”的数据结构描述数据极其间内在关系的图技术,有望成为激活数据要素的游戏规则改变者。 张晨表示:“图技术,通过图结构的深度智能关联数据要素,实现数据要素跨业务、跨部门、跨企业、跨产业数据孤岛的融合,从而促进数据要素的流动效率和流动价值的升级,给数字经济上层应用打下坚实的基础。”
换而言之,作为一种天然适配复杂关联关系场景的新型数据库,图数据库能够有效整合行业、企业、部门的数据,编织成一张高度关联、动态更新的数据网络,从而充分利用数据的关联关系,发挥数据网络的外部效应,挖掘数据的最大价值。
除此之外,张晨博士也在演讲中强调到,“目前创邻科技自主研发的Galaxybase国产原生高性能图数据库,相较于其他图数据库,本质上实现了客观业务层、数据处理层和底层物理硬件层存储三者的逻辑统一,能够极大提升企业数据处理的效率,同时直观呈现错综复杂的业务关系,促进业务创新。凭借其关联数据深度分析的优势,创邻科技的国产原生高性能图数据库已成为数字化升级的关键底层基础设施”。
03 纵深行业,跑步推进图技术应用
技术发展最重要的一步,就是回到应用场景,真正发挥实效、满足社会刚需。
张晨博士强调道:“对于企业来说,Galaxybase图数据库能够做到有效整合关联数据,通过实时关联分析,充分发挥‘热数据’即时、可用的业务价值,帮助企业更好地实现精准瞬时高效决策、释放数据最大价值、提升企业业务质效。”
因此,想让数据要素流通“活起来、用起来、跑起来”的企业,更需要加快图技术在多元场景,尤其是海量数据规模大、分析延时短、智能化决策要求高的场景中的落地,领先一步实现从数据资源到数据资产的升级。
演讲过程中,张晨博士也表示其对打通图技术在数据价值变现最后一公里的重视:“只有让图技术实现数据资源深加工和场景垂直应用,才能够真正服务实体经济,发挥技术价值。”当前,Galaxybase图数据库已经在实时风控、电力调度优化、供应链优化、网络安全等行业场景,尤其是金融、能源等国家支柱性行业中有成熟的落地经验。
随着数字化转型的深入发展,创邻科技将进一步提升技术研发水平,增强Galaxybase图数据库的产品实力,持续聚焦行业落地应用,赋能更多国计民生关键领域激活数据要素、实现数据驱动的智能化转型。
相关文章:
创邻科技Galaxybase—激活数据要素的核心引擎
10月11日下午,创邻科技创始人张晨博士受杭州电子科技大学邀请,前往杭电校园开展交流分享。交流会中,张晨博士为现场的师生带来一场题为《图数据库——激活数据要素的新基建》的精彩分享,探讨数字经济时代底层技术的创新价值与图技…...
【Rust笔记】浅聊 Rust 程序内存布局
浅聊Rust程序内存布局 内存布局看似是底层和距离应用程序开发比较遥远的概念集合,但其对前端应用的功能实现颇具现实意义。从WASM业务模块至Nodejs N-API插件,无处不涉及到FFI跨语言互操作。甚至,做个文本数据的字符集转换也得FFI调用操作系统…...
玻璃生产过程中的窑内压力高精度恒定控制解决方案
摘要:在玻璃生产中对玻璃窑炉中窑压的要求极高,通常需要控制微正压4.7Pa(表压),偏差控制在0.3Pa,而窑炉压力还会受到众多因素的影响,所以实现高稳定性的熔窑压力控制具有很大难度,为…...
创意营销:初期推广的多种策略!
文章目录 🍊 预热🎉 制定预热计划和目标🎉 利用社交媒体传播🎉 创造独特的体验🎉 利用口碑营销🎉 定期发布更新信息🎉 案例说明 🍊 小范围推广🎉 明确目标用户群体&#…...
【小黑嵌入式系统第一课】嵌入式系统的概述(一)
文章目录 一、嵌入式系统基本概念计算机发展的三大阶段CPU——计算机的核心什么是嵌入式系统嵌入式系统的分类 二、嵌入式系统的特点三、嵌入式系统发展无操作系统阶段简单操作系统阶段实时操作系统阶段面向Internet阶段 四、嵌入式系统的应用工业控制 工业设备通信设备信息家电…...
RK平台使用MP4视频做开机动画以及卡顿问题
rk平台android11以后系统都可以使用MP4格式的视频做开机动画,系统源码里面默认使用的是ts格式的视频,其实使用mp4的视频也是可以的。具体修改如下: diff --git a/frameworks/base/cmds/bootanimation/BootAnimation.cpp b/frameworks/base/cmds/bootanimation/BootAnimat…...
通讯网关软件023——利用CommGate X2HTTP实现HTTP访问Modbus TCP
本文介绍利用CommGate X2HTTP实现HTTP访问Modbus TCP。CommGate X2HTTP是宁波科安网信开发的网关软件,软件可以登录到网信智汇(http://wangxinzhihui.com)下载。 【案例】如下图所示,SCADA系统上位机、PLC、设备具备Modbus RTU通讯接口,现在…...
Python性能测试框架Locust实战教程!
01、认识Locust Locust是一个比较容易上手的分布式用户负载测试工具。它旨在对网站(或其他系统)进行负载测试,并确定系统可以处理多少个并发用户,Locust 在英文中是 蝗虫 的意思:作者的想法是在测试期间,放…...
c++视觉处理---仿射变换和二维旋转变换矩阵的函数
仿射变换cv::warpAffine cv::warpAffine 是OpenCV中用于执行仿射变换的函数。仿射变换是一种线性变换,可用于执行平移、旋转、缩放和剪切等操作。下面是 cv::warpAffine 函数的基本用法: cv::warpAffine(src, dst, M, dsize, flags, borderMode, borde…...
uiautomator2遍历子元素.all()
当你获取了页面某个元素之后 elements d(’//*[clickable“true”]’).all() 返回的是一个list,其中是<uiautomator2.xpath.XMLElement>类型的变量。 可以通过以下方式获取它所有子类的信息。 for ele in elements:children ele.elem.getchildren()注意…...
【手写数据库toadb】SQL字符串如何被数据库认识? 词法语法分析基础原理,常用工具
词法语法分析 专栏内容: 手写数据库toadb 本专栏主要介绍如何从零开发,开发的步骤,以及开发过程中的涉及的原理,遇到的问题等,让大家能跟上并且可以一起开发,让每个需要的人成为参与者。 本专栏会定期更新,对应的代码也会定期更新,每个阶段的代码会打上tag,方便阶段…...
手把手教你基于windows系统使用GNVM进行node切换版本
GNVM是什么? GNVM 是一个简单的 Windows 下 Node.js 多版本管理器,类似的 nvm nvmw nodist 。 安装 进入官网,下载你所需要的包,直达链接 下载完成 放到我们的node环境包下,点击运行 请注意区分: 不存在 Node.js 环…...
c#画五角星
c#画一个五角星,最重要的就是计算哪些坐标点出来,也是最难的一部分,这要涉及到一些数学方面的知识.对数学坐标知识不是很熟的人,如果想学画图,我建议多去看一下数学书,对我们写程序的人来说是没有什么坏处可言的. 想学习的朋友可以一起学习,我觉得分享学习是一种快乐,所以把自…...
第三章 数据链路层 | 计算机网络(谢希仁 第八版)
文章目录 第三章 数据链路层3.1 使用点对点信道的数据链路层3.1.1 数据链路和帧3.1.2 三个基本问题 3.2 点对点协议PPP3.2.1 PPP协议的特点3.2.2 PPP协议的帧格式3.2.3 PPP协议的工作状态 3.3 使用广播信道的数据链路层3.3.1 局域网的数据链路层3.3.2 CSMA/CD协议3.3.3 使用集线…...
李沐机器学习环境配置相关
李沐机器学习环境配置相关 condapython环境安装指令安装miniconda安装cpu版本torch安装jupyter测试GPU是否可以使用 conda 退出 conda 环境 conda deactivate进入都d2l环境 conda activate d2l启动jupyter notebook: jupyter notebookpython 列出所有安装的包 pip lsit环…...
零基础Linux_16(基础IO_文件)笔试选择题:文件描述符+ionde和动静态库
目录 一. 文件描述符等 1. Linux下两个进程可以同时打开同一个文件,这时如下描述错误的是: 2. 以下关于标准输入输出错误的描述正确的是 3. 以下描述正确的是 4. 以下描述正确的是 [多选] 5. 在bash中,在一条命令后加入”1>&2”…...
基于OpenCV的灰度图的图片相似度计算
from skimage.metrics import structural_similarity as ssim import matplotlib.pyplot as plt import cv2 def picture_recognization(imagname):# 读取两张图片image1 cv2.imread(D:/AutoTest/PythonProject/standard_img/ imagname)image2 cv2.imread(D:/AutoTest/Pytho…...
【python海洋专题二十】subplots_adjust布局调整
上期读取soda,并subplot 但是存在一些不完美,本期修饰 本期内容 subplots_adjust布局调整 1:未调整布局的 2:调整布局 往期推荐 【python海洋专题一】查看数据nc文件的属性并输出属性到txt文件 【python海洋专题二】读取水深…...
TensorFlow入门(二十四、初始化学习参数)
参数的初始化关系到网络能否训练出好的结果或者是以多快的速度收敛,对训练结果有着重要的影响。 初始化学习参数需要注意的规则 不可以将网络中的所有参数初始化为0,也不能全部初始化为同一个值。如果参数全部初始化为0或者是同一个值,会使得所有神经元的输出都是相同的,进而造…...
工厂WMS系统货架位管理:优化仓储效率
货架位管理作为WMS系统中的重要环节,对于提高工厂的仓储效率和精确库存管理至关重要。本文将从多个角度全方位介绍工厂的WMS系统货架位管理,探讨其重要性以及如何优化、应用该系统,提升工厂的仓储效率和运营水平。 1. 优化仓库空间利用&…...
7.4.分块查找
一.分块查找的算法思想: 1.实例: 以上述图片的顺序表为例, 该顺序表的数据元素从整体来看是乱序的,但如果把这些数据元素分成一块一块的小区间, 第一个区间[0,1]索引上的数据元素都是小于等于10的, 第二…...
【人工智能】神经网络的优化器optimizer(二):Adagrad自适应学习率优化器
一.自适应梯度算法Adagrad概述 Adagrad(Adaptive Gradient Algorithm)是一种自适应学习率的优化算法,由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率,适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…...
Python实现prophet 理论及参数优化
文章目录 Prophet理论及模型参数介绍Python代码完整实现prophet 添加外部数据进行模型优化 之前初步学习prophet的时候,写过一篇简单实现,后期随着对该模型的深入研究,本次记录涉及到prophet 的公式以及参数调优,从公式可以更直观…...
Spring Boot面试题精选汇总
🤟致敬读者 🟩感谢阅读🟦笑口常开🟪生日快乐⬛早点睡觉 📘博主相关 🟧博主信息🟨博客首页🟫专栏推荐🟥活动信息 文章目录 Spring Boot面试题精选汇总⚙️ **一、核心概…...
如何在网页里填写 PDF 表格?
有时候,你可能希望用户能在你的网站上填写 PDF 表单。然而,这件事并不简单,因为 PDF 并不是一种原生的网页格式。虽然浏览器可以显示 PDF 文件,但原生并不支持编辑或填写它们。更糟的是,如果你想收集表单数据ÿ…...
使用Spring AI和MCP协议构建图片搜索服务
目录 使用Spring AI和MCP协议构建图片搜索服务 引言 技术栈概览 项目架构设计 架构图 服务端开发 1. 创建Spring Boot项目 2. 实现图片搜索工具 3. 配置传输模式 Stdio模式(本地调用) SSE模式(远程调用) 4. 注册工具提…...
Caliper 负载(Workload)详细解析
Caliper 负载(Workload)详细解析 负载(Workload)是 Caliper 性能测试的核心部分,它定义了测试期间要执行的具体合约调用行为和交易模式。下面我将全面深入地讲解负载的各个方面。 一、负载模块基本结构 一个典型的负载模块(如 workload.js)包含以下基本结构: use strict;/…...
CVPR2025重磅突破:AnomalyAny框架实现单样本生成逼真异常数据,破解视觉检测瓶颈!
本文介绍了一种名为AnomalyAny的创新框架,该方法利用Stable Diffusion的强大生成能力,仅需单个正常样本和文本描述,即可生成逼真且多样化的异常样本,有效解决了视觉异常检测中异常样本稀缺的难题,为工业质检、医疗影像…...
Unity中的transform.up
2025年6月8日,周日下午 在Unity中,transform.up是Transform组件的一个属性,表示游戏对象在世界空间中的“上”方向(Y轴正方向),且会随对象旋转动态变化。以下是关键点解析: 基本定义 transfor…...
第八部分:阶段项目 6:构建 React 前端应用
现在,是时候将你学到的 React 基础知识付诸实践,构建一个简单的前端应用来模拟与后端 API 的交互了。在这个阶段,你可以先使用模拟数据,或者如果你的后端 API(阶段项目 5)已经搭建好,可以直接连…...
