国内有大模型的公司排名

国内人工智能模型发展是近年来中国科技领域一个重要趋势。这些模型在自然语言处理、计算机视觉、语音识别等多个领域展现出强大能力,能够处理复杂任务并提供高质量智能服务。国内人工智能模型通常具有以下特点:规模数据训练:利用海量数据进行深度学习训练,以捕捉复杂模式和特征。跨领域泛化能力:能够在不同场景下灵活应用,适应多种需求。高性能计算支持:依赖于高性能计算资源和优化算法,确保高效运行。行业定制化:针对特定行业需求进行优化,如金融模型专注于市场分析和风险管理。

国内有大模型的公司排名 更多内容

行业有诸多落地案例。同时星环科技积极参与行业共建,为中国大模型生态发展贡献智慧力量。星环科技参编了国内首个金融行业大模型标准——《面向行业规模预训练模型技术和应用评估方法第1部分:金融模型》,为10家单位联合发起中国大模型语料数据联盟,致力于做好数据资源“开发者”。此外星环科技在模型领域也收获了一系列荣誉奖项:入选“2023中人工智能模型企业50强”、星环科技无涯金融模型星环科技致力于打造企业级数据基础软件,围绕数据全生命周期提供基础软件与服务。在模型领域,星环科技发布了一系列工具产品供用户使用,助力企业抓住模型时代新机遇。工具链方面,发布了模型外挂存储)。用户可以通过星环科技自动化知识工程、多模态数据处理等技术,有效降低企业构建自有模型应用门槛,并不断促进我国大模型生态持续繁荣。星环科技模型产品目前已经在政府、金融、运营商、制造、能源等多个Infinity荣获“人民匠心奖——匠心产品奖”、入选2023年中AIGC创新企业榜单、入选亿欧TE《AIGC商业落地产业图谱》、获评“2023值得关注AIGC公司”、入选艾瑞咨询”2023年中AIGC产业图谱“、入选“2023AGI独角兽TOP100”榜单等。
星环科技作为国内企业级数据基础软件开发商,以引领行业技术发展和助力各行各业数字化转型为使命,经过多年自主研发,形成了数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具软件产品矩阵SophonBase和实时流计算引擎Slipstream,搭建了深度神经网络模型,并在风控措施辅助决策、交易异常行为识别以及套期保值额度审批三场景中应用,业务响应效率大幅提高,更精准地识别不同客户风险,及时发现基于R语言数据客户画像构建。某能源集团--基于TDS构建全国加油站销售体系某能源集团基于TDS构建了全国加油站销售指标体系,为零售、批发、物流、财务等专业线提供高价值数据服务,覆盖省公司、分公司。通过为企业搭建数字化转型数字底座,星环科技助力企业实现数字化转型。2016年公司成为中国首个进入Gartner数据仓库及数据管理解决方案魔力象限厂商,且被评为具前瞻性远见者;2017年被IDC评为产品星环科技自成立以来,以技术研发为核心,不断推动业务持续发展。深耕数据基础软件领域,形成了突出科技创新实力,实现了多项业界突破。TranswarpDataHub‒星环数据基础平台
模型时代到来,给软件开发行业带来了巨大变革,企业需要一个工具链来开发模型。星环科技作为国内领先数据基础软件开发商,打造数据管理平台多模态、智能化、敏捷化和平民化产品。为帮助企业构建自己模型,星环科技推出了机器学习模型全生命周期管理工具平台SophonLLMOps,支持从数据接入开发、提示工程、模型微调、上架部署到应用编排和业务效果对齐全链路流程,结合自研向量数据库Hippo和分布式图数据库StellarDB,能够赋予模型“长期记忆”,打破通用模型时空限制,用户可以快速便捷地构建深谙企业自有专业领域知识垂直行业大模型,从而让每个人都拥有个性化AI助理。同时星环科技还推出了无涯金融模型Infinity、数据分析模型SoLar“求索”,促进金融分析和数据分析平民化。星环科技将自主研发领先创新技术赋能各行各业,与生态伙伴共同打造国产化数据技术生态,推动数字经济可持续发展。无涯是一款面向金融量化领域、超大规模参数量生成式语言模型,融合了舆情、资金、人物、空间、上下游等多模态信息,具备强大理解和生成能力,支持股票、债券、基金、商品等市场事件
国内各大互联网公司纷纷投入AI模型研发,涉及多种类型模型。以下是星环科技模型相关产品:星环无涯金融模型-TranswarpInfinity星环无涯金融智能投研模型TranswarpInfinity是一款面向金融量化领域、超大规模参数量生成式语言模型,融合了舆情、资金、人物、空间、上下游等多模态信息,具备强大理解和生成能力,支持股票、债券、基金、商品等市场事件全面复盘、总结及新范式。星环科技无涯金融模型核心优势:一是利用海量金融专业语料和舆情工商产业链大宗卫星等多源数据进行训练,使其具备领域通用性。二是构建了可溯因标准化因子和归因解释体系,为投资决策提供支持。三是具备高精准、强逻辑事理分析与推断力,并能够对股票、债券、基金、商品等各类市场事件进行全面的复盘和推演。四是专门设计针对金融行业语言模型架构,具备准确理解和合理分析金融领域专业能力。五是背靠提供有力辅助,帮助企业更好地应对复杂市场环境和业务需求,促进整体行业降本增效与科技创新。星环求索数据分析模型-SoLar数据分析模型SoLar“求索”是一款针对数据行业全生命周期各种场景
股榜和龙虎榜一目了然。无涯·问数基于底层无涯NL2SQL模型,支持用户使用自然语言对无人驾驶概念股总市值top10、ROE排名前10股票、去年上市公司在一级行业分布数量情况等问题进行快速想知道无人驾驶概念股总市值top10?ROE排名前10股票?去年上市公司在一级行业分布数量情况?星环科技无涯·问数给你答案!无涯·问数提供投资者证券市场看板,核心指数、热门板块、热门概念、热
,聊一聊他创业初衷,以及对新基建看法。星环信息科技有限公司是目前国内极少数掌握企业级数据核心技术高科技公司,致力于数据基础软件研发,已经在存储引擎层、计算引擎层、编译器层实现了统一重构,打破了外企业在数据基础软件领域垄断地位,产自主可控数据产品帮助国内企业提升业务价值和数据价值,并且在近2000多家用户落地。离开英特尔,回国创业2013年,孙元浩离开老东家英特尔,创立星环信息中国网9月10日讯(记者葛蕾)9月4日至9月9日,2020年中国际服务贸易交易会(以下简称“服贸会”)在北京国家会议中心召开。中国网邀请参加服贸会星环信息科技有限公司创始人孙元浩先生做客直播间,当时很多基础软件大多都是国外公司研发,创业团队拥有一个信念:未来十到二十年之内,中国基础软件公司会不断出现,具备和美国公司竞争实力,而且会做得更好。“这是我们信念,所以我们在2013年决定创办星和科幻电影中快。。取这个名字,寓意是想让数据软件和分布式计算引擎能够像光速一样或者超越光速,能够达到快速度,对数据处理效率能够高。中文名字取自《三体》里面的星环集团,寓意公司未来能聚集世界上优秀
星环科技是国内一家专业隐私计算公司,致力于为企业提供安全可靠数据隐私保护解决方案。星环科技分布式隐私计算平台SophonP²C星环科技分布式隐私计算平台SophonP²C集多方安全计算、联邦学习民生场景,SophonP²C通过纵向联邦学习联合居民用电数据与用水数据,生成群租房预测名单。在联合建模过程中,全程明文数据不出,有效保护了居民用水用电数据隐私信息。联合训练模型比本地单独用电数据训练模型AUC提升20%以上,赋能政务决策高效处理分析能力,为政府有效排查群租房,消除群租房造成消防、安全隐患,打造和谐、安全、美丽生活环境作出了突出贡献,为政务决策、民生建设发挥信息化支撑保障作用曾获信通院多方安全计算性能专项测评证书、联邦学习基础能力专项测评证书、卓信数据联邦学习安全评估专项证书,以及信通院星河案例隐私计算优秀案例等多项认证和荣誉。随着数据隐私保护意识不断增强和隐私法规等多种功能,为隐私计算提供完整解决方案,以隐私保护为前提,解决了跨组织协作时无法安全利用各方数据困境。平台支持联邦学习、多方安全计算、匿踪查询等功能;性能方面,联邦学习与多方安全计算可达亿级数
国内外高度关注数据技术发展,数据已上升为我国国家战略。随着智能电网深化建设,电力系统生产、运行、销售、管理等过程产生出大量数据,迫切需要利用数据技术,高效挖掘多源异构电力数据,深度发现电数据价值,提升电网发展运营水平,提高对社会经济服务水平。基于这样情况,国家电网上海市电力公司筹备建设电力数据实验平台。
信息科技(上海)有限公司(以下简称星环科技)与万数据服务有限公司((以下简称万数据)正式签署战略合作协议,双方将携手推进数据核心技术,产品及服务。星环科技与万数据合作将包括但不仅限于在上,推广大数据在行业、企业市场应用及服务。星环科技与万数据携手,不仅能帮助客户完成数据平台搭建,还能提供一系列后续服务,可以说真正实现了一站式服务。星环科技作为拥有高性能Hadoop数据平台软件,能处理10GB到100PB数据,企业不再需要混合架构。而万数据在数据中心设计、建设和运营都拥有丰富经验,可说是强强联合。星环科技是目前国内鲜有的掌握企业级Hadoop和Spark核心技术高科技创业公司,其产品TranswarpDataHub(TDH)整体架构及功能特性堪比硅谷同行,在业界居于领先水平。星环科技核心开发团队参与部署了国内Hadoop集群,并在中国电信、金融、交通当前,数据俨然已经是IT届炙热名词,Hadoop技术已成了各家必争之地,去IOE风声正劲。在传统数据库无法满足客户需求时,数据技术就显得至关重要,数据解决方案成为了用户关注焦点。近日,星环
查看Master节点通过以下命令,查看集群Master节点信息:curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果:epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址,支持以*通配,支持指定多个pattern,多个pattern以逗号分割返回结果:
产品文档
8 性能分析
本节测试主要描述了Hippo1.0在关键测试上的一些性能表现,该份测试同样也是Hippo的基准测试,后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq),所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集,不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理,使用SIFT算法得到的图片特征向量。...
产品文档
5.10 任务相关
在Hippo中,比较耗时的操作如激活、加载向量索引实际上是一个分布式任务,用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果:{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...
产品文档
5.3 写入类操作
本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数,如果出现行级错误(比如主键冲突),Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...
产品文档
5.7 查询类操作
过滤条件表达式Hippo当前支持如下表达式,可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and,不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符,'%'表示匹配任意字符,'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离,返回最相似的结果集。通过指定标量过滤条件,用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...
产品文档
5.18 全文检索
Hippo在1.2版本提供了全文索引能力,兼容ElasticSearch6.7.2语法,在底层架构上复用了公司产品TranswarpScope的一部分特性,支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求,通过该能力的支持,可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回,可以降低漏检和误检的概率,能够实现比单独使用向量或全文更高的精度。同时,一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外,均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。
产品文档
10 Hippo 运维
运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息,包括:Masterstatus:当前的ActiveMaster,MasterGroup,MasterAddress,Master的健康状态TabletServerStatus:TabletServerAddress,健康状态,逻辑机架和数据中心信息,容量使用以及Tablet个数TabletNum:当前集群表的个数Version:Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息:库名库创建时间库内各类表的信息:点击某个库,可以看到库下所有表的信息,主要包括:••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...
产品文档
2 Quick Start
ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...
产品文档
1 Introduction
OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...
产品文档
3.3 Cluster
OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...