2025上半年，DeepSeek大模型以“免费开放+开源生态”迅速占领技术圈，其强大的自然语言理解、代码生成、数据推理能力，正在重塑企业数据仓库的运作逻辑。

来源（公众号）：大数据AI智能圈 周一早上，销售总监急匆匆跑到你办公室："我们需要分析一下华东区域的客户画像，制定下季度的营销策略。" 你打开CRM系统，发现客户信息不全。打开ERP系统，发现交易数据格式乱七八糟。再打开财务系统，发现同一个客户竟然有三个不同的编号。 这就是数据孤岛的真实写照。每个系统都在自己的小王国里称王称霸，互不往来。你想要的那个"完整的客户画像"，就像拼图游戏一样，碎片散落在各个角落。 数据孤岛的隐性成本，远比你想象的高 让我给你算一笔账。 某制造企业的采购经理小王，每次采购都要花2小时核对供应商信息。同样的供应商，在不同系统里有不同的编码、不同的名称、不同的联系方式。 小王说："我感觉自己不是在采购，而是在做侦探工作。" 这还不是最糟糕的。更要命的是，错误的数据会导致错误的决策。 去年，一家零售企业的市场部门，基于不准确的客户数据，投入了500万做精准营销。结果呢？转化率只有预期的30%。后来才发现，他们的客户数据有40%是重复的，30%是过期的。 你看，数据质量差不仅仅是技术问题，它直接影响的是你的钱包。 更可怕的是，在数字化转型的今天，数据已经成为企业的核心资产。 如果你的数据还在"各自为政"，那你的竞争力就会被严重削弱。 AI重新定义主数据管理的游戏规则 传统的主数据管理，就像是让一群人工编辑去整理图书馆。 他们需要逐本逐页地检查、分类、整理。工作量大，效率低，错误率高。 AI的出现，完全改变了这个游戏。 如果此时，你有一个超级智能的助手，它可以： 自动识别和清洗数据。它能瞬间发现"苹果公司"和"Apple Inc."其实是同一家公司，能自动修正"138****1234"这种不完整的电话号码，能识别出哪些是重复数据、哪些是异常数据。 智能关联不同系统的数据。它能像侦探一样，通过各种线索（姓名、电话、地址、交易记录等）找到散落在不同系统中的同一个客户信息，然后把它们完美地拼接在一起。 实时监控数据质量。它会24小时不间断地监控你的数据，一旦发现异常，立即发出警报。就像是给你的数据安装了一个"健康监测器"。 这已然不是科幻小说，这是正在发生的现实。 从案例看AI+主数据的真实威力 让我跟你分享几个真实案例。 案例一：全球消费品巨头的数据整合 这家公司在全球有200多个分支机构， 数据散落在几十个不同的系统中。传统方法需要几百个人工作一年才能完成数据整合。 AI介入后，3个月就完成了全球数据的统一管理。数据质量提升了30%，决策效率提高了15%，运营成本降低了10%。 更重要的是，统一的数据视图让他们能够更好地理解全球客户需求，制定更精准的产品策略。 案例二：零售企业的精准营销 某大型零售企业面临的问题是：客户数据质量差，营销效果不理想。 AI帮助他们整合了来自线上线下的所有客户数据，构建了完整的客户画像。系统能自动识别客户的生命周期阶段，并推荐相应的营销策略。 结果：营销转化率提高了20%，客户满意度提高了15%，销售额提升了10%。 案例三：金融企业的风险管控 金融行业对数据安全和合规性要求极高。传统的人工监控方式既费时又容易出错。 AI系统能实时监控所有数据访问行为，自动识别异常操作，确保数据合规性。这家企业的数据安全风险降低了20%，合规性提高了15%。 你看到了吗？ AI+主数据不仅仅是技术升级，它是商业模式的根本性变革。 结语 AI技术还在快速发展。 未来的AI+主数据管理会变得更加智能、更加自动化。 现在的问题是：你的企业准备好迎接这个变革了吗？

龙石数据中台 V3.7.1 升级详情速览

不需要成为技术专家，但要理解这些概念，才能在AI浪潮中不掉队。

当数据不再是孤岛，当查询不再是等待，当分析变成实时，企业的数字化转型才真正开始。

"小王，这个数据跑了三个小时还没出来，明天的AI模型训练怎么办？" 办公室里，数据科学家小李盯着电脑屏幕，眉头紧锁。屏幕上的进度条像蜗牛一样爬行，让人怀疑人生。 这个场景你熟悉否？在AI时代，如果数据真是新石油，那么数据科学家就真是炼油工了。大家都在谈论AI多么神奇，DeepSeek多么智能，模型多么强大。 可现实呢？90%的时间都在等数据，等数据传输，等数据清洗，等数据准备。 数据科学家们经常自嘲："我们是AI时代的搬砖工。" 传统数据传输的痛点：慢到怀疑人生 让我们算一笔账。 一个中等规模的机器学习项目，需要处理10TB的数据。用传统的MySQL客户端或JDBC连接方式，传输速度大概是每秒几百MB。10TB数据需要传输多久？ 整整一个通宵。 更要命的是，这还只是传输时间。数据到了本地，还要进行格式转换、清洗、预处理。原本的列存格式数据，要先转成行存传输，到了客户端再转回列存格式供算法使用。这个过程好比把一箱苹果先打散，装到一个个小袋子里运输，到了目的地再重新装箱。 "这不是脱裤子放屁吗？"一位资深算法工程师吐槽道。 传统方案的问题不止于此： 数据传输过程中要经历多次序列化和反序列化，CPU资源消耗巨大。内存占用也成倍增长，动不动就爆内存。网络带宽被低效利用，明明有千兆网络，却只能跑出百兆的效果。 更让人抓狂的是，很多数据科学项目需要反复试验，同样的数据要传输N次。每次调参、每次验证、每次重新训练，都要重新来一遍这个痛苦的过程。 Arrow Flight SQL：数据传输界的su7 Doris 2.1版本带来了一个救命性的功能：基于Arrow Flight SQL协议的高速数据传输链路。 什么概念？原来需要一晚上传输的10TB数据，现在可能只需要几十分钟。性能提升不是10%、20%，而是百倍级别的飞跃。 这真就从绿皮火车换到了高铁，从马车换到了小米su7。 Arrow Flight SQL的巧妙之处在于彻底颠覆了传统的数据传输思路。 Doris内部查询结果本身就是以列存格式的Block组织的。传统方案需要把这些Block转换成行存的Bytes传输，客户端接收后再反序列化为列存格式。 Arrow Flight SQL直接跳过了这个"脱裤子放屁"的过程。数据在Doris里是什么格式，传输过程中就是什么格式，到了客户端还是什么格式。零转换，零损耗。 这就像快递公司不再要求你把东西重新包装，而是直接用你的原包装发货。省时省力省心。 而真正让Doris在数据科学领域脱颖而出的，不仅仅是速度，更是它对生产环境复杂性的深度理解。 很多数据科学项目在实验室里跑得很好，一到生产环境就各种问题。网络不通、权限不够、配置复杂、扩展困难。 Doris的Arrow Flight SQL充分考虑了这些现实问题： 1. 多BE节点并行返回结果 当查询结果很大时，可以从多个节点同时获取数据，进一步提升传输效率。 2. 支持反向代理配置 生产环境中BE节点通常不直接对外暴露，Doris可以通过Nginx等反向代理实现数据转发，既保证了安全性，又维持了高性能。 3. 提供灵活的连接管理 支持长连接复用，减少连接建立开销；同时提供合理的超时和清理机制，避免资源泄露。 与大数据生态的深度融合 当然，数据科学项目很少是孤立的。 它们通常是更大数据处理流水线的一部分，需要与Spark、Flink等大数据框架协同工作。 Doris的Arrow Flight SQL为这种协同提供了完美的桥梁。Spark可以通过Arrow Flight SQL高效读取Doris数据，进行大规模特征工程；Flink可以实时消费Doris的流式数据，为在线机器学习提供支持。 更重要的是，Arrow作为一种标准化的内存数据格式，已经被越来越多的数据处理框架采用。这意味着基于Arrow Flight SQL的数据流水线具有很好的互操作性和可扩展性。 你的数据可以在Doris、Flink、Spark、Pandas、TensorFlow之间无缝流转，就像水在不同容器间流动一样自然。 用Python轻松驾驭海量数据 对数据科学家来说，最爽的事情是什么？当然是代码跑得飞快，数据来得及时。 import adbc_driver_manager import adbc_driver_flightsql.dbapi as flight_sql # 连接Doris conn = flight_sql.connect(uri="grpc://doris-fe:8070", db_kwargs={     adbc_driver_manager.DatabaseOptions.USERNAME.value: "user",     adbc_driver_manager.DatabaseOptions.PASSWORD.value: "pass", }) cursor = conn.cursor() # 执行查询 cursor.execute("SELECT * FROM massive_table") df = cursor.fetch_df()  # 直接返回pandas DataFrame ... 就这么简单。几行代码，亿级数据瞬间到手。不需要复杂的配置，不需要担心内存爆炸，不需要等待漫长的传输时间。 关键是cursor.fetch_df()这个方法。它直接返回pandas DataFrame，数据全程保持列存格式。科学家们可以立即开始数据分析，无缝对接NumPy、Pandas、Scikit-learn等主流数据科学库。 有位数据科学家兴奋地说："这感觉就像从拨号上网时代一步跨入了光纤时代。" Java生态的全面支持 Java开发者也没有被遗忘。Doris提供了多种Java连接方式，适应不同的使用场景。 如果你的下游分析需要基于行存数据格式，可以使用标准的JDBC方式： String DB_URL = "jdbc:arrow-flight-sql://doris-fe:8070"; Connection conn = DriverManager.getConnection(DB_URL, "user", "pass"); Statement stmt = conn.createStatement(); ResultSet resultSet = stmt.executeQuery("SELECT * FROM data_table"); ... 如果你想充分利用Arrow的列存优势，可以使用ADBC Driver： final BufferAllocator allocator = new RootAllocator(); FlightSqlDriver driver = new FlightSqlDriver(allocator); AdbcDatabase adbcDatabase = driver.open(parameters); AdbcConnection connection = adbcDatabase.connect(); AdbcStatement stmt = connection.createStatement(); stmt.setSqlQuery("SELECT * FROM massive_dataset"); QueryResult queryResult = stmt.executeQuery(); ArrowReader reader = queryResult.getReader(); ... 这种方式返回的是原生Arrow格式数据，可以直接用于大数据分析框架，性能达到极致! 结语 回到文章开头的场景。现在的小李不再需要通宵等数据了。 "小王，昨天的10TB数据已经处理完了，新的模型训练可以开始了。"小李轻松地说道。 "这么快？"小王有些惊讶。 "Doris的Arrow Flight SQL，数据传输快得飞起。我现在有更多时间专注于算法优化，而不是等数据。" Doris的Arrow Flight SQL让数据科学真正起飞了，让AI应用的开发变得更加高效和可靠 来源（公众号）：一臻数据

人工智能 (AI) ——包括生成式 AI（用于创建新设计、内容或数据）和代理式 AI（能够感知和行动的自主代理）——正在改变几乎所有行业的制造业。下文将分析航空航天和国防领域采用 AI 的主要用例、优势、行业案例和挑战。 一 用例 航空航天和国防领域正在积极运用人工智能来增强飞机/航天器的制造及其周边的复杂操作。主要用例包括： 设计优化与生成式设计：人工智能用于设计更轻、更坚固的航空航天部件。工程师采用生成式设计算法来生成创新的结构设计（用于机翼、机身部件和内部部件），以满足严格的性能标准，同时最大限度地减轻重量。例如，空中客车公司与欧特克合作，创建了一个模仿骨骼结构的生成式设计的客舱隔板——与传统设计相比，它实现了 45% 的重量减轻。通常，人工智能驱动的设计工具可以快速迭代数千种航空航天部件（支架、发动机支架、隔热罩）的设计方案，并针对重量强度比和可制造性等因素进行优化。这些设计通常在物理原型制作之前通过人工智能模拟的压力测试进行验证 [41]。其结果是，飞机和航天器部件能够以显著减少的材料保持强度，直接提高燃油效率和有效载荷能力。 智能生产与质量控制：航空航天制造对精度和质量有极高的要求（安全攸关），而人工智能正被用于监控和改进生产流程。计算机视觉检测是一个至关重要的用例——人工智能驱动的视觉系统可以检查飞机部件（例如涡轮叶片、复合板、航空电子系统中的电路板）是否存在微小的缺陷或偏差。这些系统可以发现人类检查员可能遗漏的微裂纹或材料空隙，确保只组装完美无瑕的部件。例如，波音公司使用人工智能视觉检查机身部分是否存在钻孔错误或材料缺陷，奥地利钢铁制造商 Voestalpine（一家航空航天供应商）使用人工智能检测钢材的微观表面缺陷，将缺陷率降低了 20% 以上。此外，人工智能测试还用于无损评估——例如，分析焊缝和复合材料铺层 (layouts) 的 X 射线或超声波扫描，以更可靠地识别故障。人工智能还能实时优化工艺参数：先进的机器学习模型可以分析来自生产机器（数控铣床、3D打印机、复合材料高压釜）的数据，并调整控制措施以确保始终如一的质量。例如，在Howmet Aerospace（一家大型航空航天零部件制造商），人工智能监控加工和铸造过程，以保持严格的公差，从而减少废品和返工。总而言之，人工智能充当着全天候质量监督员的角色，其监督和预测性调整能力远超人工。 预测性维护与 MRO：在航空航天领域，生产设备以及飞机发动机和系统本身的维护至关重要。通用电气航空航天等制造商使用人工智能对其交付的工厂设备及其产品（喷气发动机）进行预测性维护。人工智能算法分析机器的振动、温度和性能数据，以预测故障的发生 [44]，[48]。例如，Howmet Aerospace 采用机器学习模型预测其锻压机或数控机床何时需要维护，从而最大限度地减少停机时间和维护成本。在产品方面，公司使用人工智能对在役数据进行分析，以预测维护需求：例如，劳斯莱斯使用人工智能分析发动机传感器数据，以在最佳时间安排发动机大修，空客拥有一个人工智能系统来预测飞机部件何时需要维修，从而提高安全性并减少航班停机时间 [50]，[51]。这种预测能力在航空航天领域至关重要，因为意外的设备故障可能会导致生产或机队停飞，从而造成巨大的成本。通过实施人工智能驱动的维护，早期采用者报告称计划外停机时间减少了两位数的百分比，直接节省了数百万美元。 供应链和库存优化：航空航天制造涉及复杂的全球供应链，涵盖数千个零部件。人工智能 (AI) 通过预测零部件需求、优化库存水平和跟踪供应链风险来帮助管理这种复杂性。例如， Howmet 的库存优化 AI通过分析海量数据来简化采购和生产计划。航空航天公司使用 AI 提前数月预测备件或原材料的需求，从而防止可能造成生产延误的短缺。AI 还协助供应商风险管理——监控地缘政治、质量和物流数据，以预警潜在的中断（供应商延迟或供应商的质量问题）。Gartner 的供应链 AI 框架将预测预计交付时间 (ETA)、供应商风险分析甚至自主物流等用例确定为对工业运营具有高价值的用例。通过采用这些技术，航空航天公司可以构建更具弹性的供应链。一些公司甚至在创建数字供应链孪生——整个供应网络的虚拟人工智能模型，以模拟各种场景（例如需求突然激增或材料短缺）并准备最佳响应。 数字孪生与实时过程控制：航空航天制造商是数字孪生技术的早期采用者。数字孪生是物理系统（如飞机发动机、生产线甚至整架飞机）的动态软件模型，它使用实时数据来镜像和预测系统行为。人工智能通过预测性和规范性分析增强了数字孪生。例如，通用电气航空航天公司在工厂车间拥有其喷气发动机的数字孪生；这些孪生中的人工智能可以监控装配过程和测试，立即发现任何偏差并提出纠正措施 [11]，[58]。在生产中，制造单元（如发动机装配站）的数字孪生可以运行人工智能驱动的仿真，以优化装配顺序或刀具路径，从而缩短周期时间。通过利用这些人工智能增强的孪生，航空航天公司可以实现对性能的 360° 可视性，并使用预测性和规范性分析来提高产量、质量和吞吐量。例如，波音公司报告称，通过在其机翼装配流程中实施人工智能驱动的数字孪生，效率得到了提升，这有助于减少错误并简化工作流程。总体而言，数字孪生中的人工智能代理能够实现近乎实时的决策，使工厂更接近自我优化。 自主机器人与代理人工智能：飞机和国防系统的组装涉及许多复杂的任务；人工智能机器人和自动导引车越来越多地被部署来协助组装。这些机器人种类繁多，从能够适应人类同事进行铆接或钻孔的协作机器人，到在工厂内搬运重型飞机部件的自主运输机器人。人工智能赋予这些机器人更好的感知和决策能力——例如，人工智能引导的钻孔机器人可以动态调整压力和角度，以适应材料差异，从而实现减少返工的精度。在国防制造业中，产量较低但复杂度较高，代理人工智能系统可以协调灵活的制造：多智能体人工智能系统可以跨工作单元调度任务，以适应工程变更或紧急订单。一个值得注意的例子是：洛克希德·马丁公司使用人工智能驱动的机器人系统进行航天器组装，并正在其新的猎户座航天器生产中心探索自主操作。虽然完全自动化的工厂尚未成为航空航天领域的常态，但选择性使用代理人工智能（用于材料处理、零件配套等）正在减少劳动力并加快卫星制造和导弹组装等领域的生产速度。 二 优势 人工智能正在为航空航天和国防制造业带来变革性的优势——提高生产力、质量和创新能力。以下是一些主要优势： 更高的效率和产量：人工智能驱动的优化显著加快了生产速度。例如，洛克希德·马丁公司报告称，使用 AR/AI 工具可将某些航天器制造任务的装配时间缩短大约一半。一般而言，人工智能过程控制可以超越人类能力对操作进行微调，从而缩短周期时间（例如，某航空航天供应商采用人工智能优化的注塑工艺，将周期时间缩短了 18%）。通过最大限度地减少停机时间（通过预测性维护）和简化工作流程（通过数字化工作指令和调度算法），航空航天工厂可以从相同的资源中获得更高的产出。一个航空航天案例发现，在维护、质量和调度方面实施人工智能可以提高生产率，从而重新激发某个地区停滞不前的制造业生产力。 提升质量与安全性：质量在航空航天领域至关重要，而人工智能已通过减少缺陷和及早发现问题证明了其价值。用于检查零件的人工智能视觉系统显著降低了缺陷率——例如，塔塔钢铁公司（供应航空级钢材）通过使用人工智能监控轧机状况，将计划外停机时间减少了15%，并提高了质量。人工智能能够分析大量数据，这意味着可以检测到并处理暗示质量问题的细微异常，防止其恶化。这不仅可以防止安装有缺陷的部件，还可以提高安全性（无论是在生产过程中还是在现场，因为只有最优质的部件才能装配到飞机上）。此外，人工智能通过持续监控工艺参数，帮助确保严格遵守航空航天标准——例如，确保复合材料的固化温度或紧固件的扭矩值保持在规格范围内。其结果是生产更加稳定，并减少了因质量问题导致的代价高昂的返工或延误。 降低成本：航空航天制造成本高昂，但人工智能 (AI) 正在帮助其在多个环节削减成本。预测性维护通过预防灾难性设备故障和优化维护计划（减少加班时间和备件库存）来节省资金。通过人工智能进行工艺优化通常可以节省能源——例如，安赛乐米塔尔 (ArcelorMittal) 的人工智能优化熔炉控制在钢铁生产中节省了约 5% 的能源，这有助于降低能源密集型航空航天材料的使用成本。减少废料是另一个节约来源：当人工智能保持严格控制时，因缺陷而报废的零件会减少，从而节省原材料和劳动力。麦肯锡的一项分析指出，早期在工业运营中采用人工智能的企业主要通过提高效率和减少浪费实现了高达 14% 的成本节约。此外，人工智能可以加快设计和测试（虚拟仿真），从而降低开发成本——波音和空客通过使用人工智能仿真进行空气动力学和结构测试，缩短了设计周期，这意味着需要更少的物理原型。总体而言，虽然人工智能需要前期投资，但航空航天领域的投资回报通常体现在生产力提高和避免质量事故带来的数百万美元的节省。 创新与未来准备：人工智能正在赋能航空航天公司，使其能够更快地创新，并解决以往难以解决的问题。在研发领域，人工智能（尤其是生成模型）可以提出新的材料或制造技术建议（例如，生成式人工智能可用于设计新型金属合金和复合材料配方，从而加速传统上需要多年的材料研发）。通过利用人工智能的强力探索来增强人类工程师的创造力，企业可以更快地开发下一代飞机和国防解决方案。人工智能代理还突破了自主性的界限——这是迈向自主制造卫星或生产标准零件的全自动工厂等目标的垫脚石。重要的是，拥抱人工智能被视为提升竞争力的关键：世界经济论坛指出，制造业中的人工智能代理可以重新激发生产力增长并“重新定义竞争格局”。许多航空航天公司在竞标合同时将其人工智能能力视为一项战略资产（证明他们能够凭借数字化进步以更高的质量或更快的速度交付产品）。此外，人工智能还能帮助企业获取知识——经验丰富的工程师的洞见可以融入人工智能系统（例如质量专家系统或技术人员聊天机器人），从而在员工更替过程中保留机构知识。所有这些因素确保使用人工智能的企业能够更好地应对未来，拥有敏捷的运营和持续改进的文化。 三 关键行业参与者和驱动因素 几乎所有大型航空航天/国防公司都在利用人工智能。波音公司推出了多项“数字工厂”计划，并将机器学习应用于从优化生产计划到自动化巡检无人机等各个领域。空客公司一直是该领域的领导者，通过其 Skywise 平台将人工智能用于预测性维护，并合作开展生成式设计（仿生隔断项目），彻底改变了组件设计。通用电气航空航天公司和劳斯莱斯等发动机制造商处于工业人工智能的前沿——通用电气公司对其喷气发动机制造和测试的人工智能驱动监控提高了安全性和效率，而劳斯莱斯的 R² 数据实验室将人工智能应用于制造和在役发动机分析。洛克希德·马丁公司和诺斯罗普·格鲁曼公司内部都有针对制造业的 AI 研发，通常与 AR/VR 合作（洛克希德使用微软 HoloLens AR 来指导技术人员就是一个著名的例子，将培训时间缩短了 85%）。这些主要企业也与初创企业合作：例如洛克希德投资了 SparkCognition（该公司开发用于国防预测性维护和供应链的 AI）。在欧洲，达索航空公司在航空航天设计软件中使用 AI（CATIA 现已为设计师集成了 AI 功能），泰雷兹公司使用 AI 优化航空电子设备的电子制造。在研究方面，美国宇航局和欧空局资助用于先进制造（如航天器模块的自主组装）的 AI 项目。初创企业和科技公司是关键的推动者：西门子为 MindSphere 工业物联网平台提供广泛应用于航空航天工厂的 AI 分析；IBM 的 Watson IoT 被用于航空航天的预测分析（例如 IBM 帮助空客使用 AI 优化其生产计划）。 C3.ai 已与航空航天供应商合作，开展基于人工智能的产量优化。像 Neural Concept 这样的专业公司将深度学习应用于流体动力学，以协助航空航天工程师。甚至国防机构（例如美国国防部）也在运行将人工智能融入国防制造的项目，以更快地扩展新系统。行业联盟和报告是识别用例的重要驱动力：例如，德勤 2025 年航空航天与国防展望强调了人工智能在维护和供应链中日益增长的作用，工业互联网联盟发布了人工智能在高可靠性制造中的最佳实践。这些共同努力有助于在整个行业传播成功的用例。 四 用例发现方法 航空航天公司通常使用结构化方法来精准定位人工智能能够最大程度提升价值的领域。他们首先会审视价值链中的痛点和复杂性，例如生产中某个环节的高缺陷率，或者某个装配体的长周期。Gartner的用例棱镜或 BCG 的框架等技术可用于系统地评估潜在人工智能项目的可行性和影响力。例如，Gartner 的制造业棱镜可能会映射出诸如自动复合材料铺层检测或自主物料搬运等用例，并根据商业价值和技术成熟度对其进行评分。许多公司还会开展试点项目或数字创新挑战：他们会进行小范围的人工智能试点（例如使用机器学习优化某个制造步骤），如果取得了积极成果（例如效率提升 5%），他们就会扩大规模。这些试点项目的发现通常有助于发现相关的用例。另一种方法是产学研合作：鉴于航空航天行业的严格要求，企业经常与大学研究机构（麻省理工学院、普渡大学等都设有航空航天人工智能实验室）合作，探索前沿理念，例如用于实时控制的强化学习或用于先进材料的人工智能。研究原型的结果可以暗示未来的生产用例。SAE 和 AIA 等行业机构也会设立工作组，成员在竞争前的环境中分享新兴用例。总体而言，识别过程是迭代的和数据驱动的——航空航天公司利用其丰富的生产数据来识别效率低下的问题，然后考虑可以解决这些问题的人工智能工具。正如麦肯锡所指出的，该行业历来创新缓慢，但新一代人工智能和人工智能技术如今被视为航空航天制造业“改变几乎所有化学和材料领域”的一种手段，这鼓励人们广泛探索从工厂车间到材料实验室的人工智能应用。 五 挑战、伦理顾虑和局限性 尽管人们对人工智能抱有浓厚兴趣，但在航空航天/国防领域实施人工智能仍面临独特的挑战。数据管理是其中一项重要挑战——航空航天生产流程会产生海量数据（例如，美光科技的半导体工厂每周从 57 万个传感器收集数据，产生 230 万张图像），这些数据必须正确存储、清理和标记。确保各个孤立系统（设计、生产、测试）的数据质量和可用性可能非常困难。此外，国防项目通常处理机密数据或受《国际武器贸易条例》（ITAR）限制的数据，这使得基于云的人工智能解决方案更加复杂。法规遵从性和认证也带来了另一个限制：在航空领域，任何可能影响零件特性的制造变更都可能需要重新进行监管认证。因此，解释人工智能决策（“黑匣子”问题）至关重要——航空航天公司正在投资可解释的人工智能，以便向监管机构证明人工智能是如何得出结论或控制行动的。此外，还有安全和伦理方面的考虑：人工智能必须经过严格验证，因为一个未被发现的缺陷可能会对飞机造成灾难性的后果。公司遵循 DO-326A（针对机载电子硬件）等标准，并可能需要将其扩展到人工智能系统。在国防领域，人们对代理人工智能持谨慎态度——自主代理需要严格约束，以防止在敏感环境中出现意外行为。劳动力和文化是另一个挑战：熟练的航空航天技术人员最初可能抵制人工智能或担心工作流失。公司必须通过对员工进行再培训（例如，培训经验丰富的机械师使用人工智能决策支持工具）并强调人工智能是增强而不是取代人类专业知识来应对变革。该行业还面临数据科学方面的人才缺口——聘请懂航空航天工程的人工智能专家并非易事。许多公司最终选择与科技公司合作来填补这一空缺。最后，航空航天制造业的多品种、小批量特性意味着人工智能解决方案必须处理大量定制场景（这与以重复性任务为主的汽车制造业不同）。对于新的喷气式飞机项目或卫星设计，由于每个单元略有不同，人工智能模型可能会难以应对有限的数据。这需要适应性强的人工智能系统，有时还需要模拟生成的数据（通过生成式人工智能）来补充真实数据。总而言之，尽管人工智能的潜力巨大，但航空航天公司必须谨慎处理数据、安全、监管和人为因素，才能充分发挥其潜力。 六 影响指标和投资回报率 航空航天和国防通过多个角度衡量人工智能项目的成功：生产关键绩效指标（吞吐量、一次通过率、周期时间）、成本指标（废品率、维护成本、库存周转率）和项目计划遵守情况。例如，如果人工智能可以将飞机装配阶段从 20 天缩短到 15 天，那么这 25% 的改进将体现在更快的项目交付和更低的劳动力成本上——这是一个明显的投资回报率。报告的一项具体指标是洛克希德公司使用 AR（一种人工智能辅助技术），将钻孔的接触劳动减少了 45%，将紧固件扭矩的接触劳动减少了 50%，将特定装配任务的时间从 6 周缩短到了 2 周。这种时间节省在航空航天项目中极其有价值。预测性维护人工智能通常通过避免停机成本的投资回报率计算来证明：例如，防止一个可能延迟发动机交付的测试单元故障可以带来巨大的节省，这很容易超过人工智能系统成本。航空航天公司还会跟踪质量 KPI，例如减少缺陷或减少不合格品——例如，一家钢铁供应商的 AI 目视检查将表面缺陷发生率降低了 20% 以上，这意味着废品和返工的量化减少。另一个指标是安全性改进：更少的工人受伤（如果 AI 接管了危险的检查或重型起重）和更好的产品安全记录（如果 AI 发现可能导致使用中故障的问题）。虽然这些难以货币化，但对于国防合同和航空公司客户来说至关重要，因此被视为投资回报率的一部分。此外，AI 对开发速度的影响也是值得衡量的——阿斯利康（虽然属于制药行业，但同样注重研发）指出，生成 AI 将开发交付周期缩短了 50%，而在航空航天领域，类似的概念是缩短飞机设计迭代周期，这可以将开发时间缩短数月甚至数年（上市时间具有巨大的价值）。许多航空航天公司使用平衡记分卡或前述类似Gartner的记分卡，从资金以外的多个维度评估项目，包括战略价值（例如，为未来项目构建数字主线）和风险降低。在国防领域，投资回报率可能还会考虑任务准备情况——加速国防系统制造的人工智能可以从国家安全价值的角度来衡量。总体而言，从成本、质量和创新的全貌来看，航空航天领域人工智能的投资回报率通常非常引人注目，因此，尽管该行业较为谨慎，但仍在迅速扩大人工智能的部署规模。 七 案例研究与示例 通用电气航空航天公司提供了一个强有力的案例研究——通过将人工智能用于质量控制（人工智能视觉检查发动机部件的规格偏差）和发动机测试中的预测分析，通用电气提高了首次良率并缩短了测试时间，有助于按时交付更多发动机。Howmet Aerospace（上文详述的案例）展示了多方面的人工智能应用：避免停机的预测性维护，确保只运送公差范围内的喷气发动机部件的人工智能视觉，创造更好航空紧固件的人工智能生成设计，甚至将人工智能用于劳动力规划以最大限度地利用熟练劳动力。他们报告了诸如降低成本和提高可持续性等好处（人工智能帮助优化了熔炉的能源使用，支持了环境目标）。另一个案例是洛克希德·马丁公司在猎户座飞船生产线上应用人工智能和增强现实技术：如上所述，它不仅将装配时间缩短了一半，而且通过提供直观的增强现实技术引导，将技术人员的培训时间缩短了85%。在国防领域，雷神公司在其导弹生产中使用人工智能，自动检查电路板和焊点，提高了其国防产品的可靠性。美国宇航局喷气推进实验室利用人工智能优化行星探测器的装配，其中人工智能可以安排任务并帮助工程师快速诊断装配问题。这些现实世界的成功表明，人工智能在航空航天领域的应用并非仅限于理论——它正在为这个以严格要求标准而闻名的行业带来可衡量的改进。 来源（公众号）：数据驱动智能

数据治理不是一个技术问题，而是一个管理问题。

智能问答系统的进化史，其实是技术与人性不断融合的历程。

人工智能社区痴迷于越来越大的模型、十亿令牌上下文窗口和GPU 的微调运行让人感到厌倦，而人工智能堆栈中最被忽视的力量倍增器却静静地位于这一切之下的一层：数据。 让我们明确一点：虽然扩展模型规模仍然很重要，但对于大多数现实世界的人工智能产品而言，性能提升越来越取决于数据质量和新鲜度，而不仅仅是参数数量。将模型规模翻倍以榨取边际收益不仅成本高昂，而且在环境方面也难以为继，因为惊人的电力和水成本根本无法扩展。 该瓶颈已从堆栈中移出。 构建 AI 原生产品的创始人和首席技术官开始意识到，他们的代理不会错过新兴市场信号，也不会给出空洞的见解，因为“模型”本身 “不够智能”——它之所以失败，是因为它盲目地处理过时、不相关或不完整的上下文。正因如此，Salesforce 于 2025 年 5 月斥资 80 亿美元收购了 Informatica，以增强其 AI 驱动的 Agentforce 平台。现在，他们可以访问高质量的实时数据，从而获得更准确、更可扩展的成果。 性能的成败取决于您能检索到什么，而不仅仅是您如何提示。除非您使用的是 H100 集群或运行着 API 预算无限的前沿模型，否则您超越巨头的最佳机会是在您负担得起的范围内为模型提供更智能的数据：领域特定、结构化、去重和新鲜的数据。 但在构建情境之前，它必须先存在。这意味着需要可靠、实时地访问开放网络——不仅仅是一次性的数据抓取或数据集，而是能够反映当前情况的强大管道。 各位，这就是基础设施。如果说计算让 NVIDIA 变得不可或缺，那么我认为下一个重大突破不是更多层，而是更多信号而不是噪声。而这始于将数据采集视为生产基础设施。 “好数据”是什么样的？ 如果你正在构建一款 AI 原生产品，那么系统的智能程度将不再取决于你的提示有多巧妙，或者你能在上下文窗口中塞入多少个标记。而是取决于你能多好地为它提供当下重要的上下文。 但“好数据”的定义相当模糊。让我们来澄清一下。它对人工智能的意义如下： 领域特定：AI 辅助优化零售定价需要竞争对手数据、客户评论或区域趋势，而不是无关的噪音。你必须做到精准定位。 持续更新：网络瞬息万变。错过今日 X 趋势的情绪模型，或使用上周价格的供应链模型，都已经过时了。 结构化和去重：重复、不一致和噪声会浪费计算并稀释信号。结构胜过规模。干净胜过庞大。 实时可操作：过时的数据就是死数据。实时数据——价格变动、新闻、库存变化——能够为即时决策提供支持。但前提是收集数据必须合乎道德、可靠且规模化。 这就是 Salesforce 收购 Informatica 的原因——不是为了新模型，而是为了向 Agentforce 提供结构化的实时数据，以改善下游决策。 正因如此，IBM 于 2024 年 7 月斥资 23 亿美元收购了 StreamSets，用于打造 Watsonx。StreamSets 专注于从混合数据源提取数据、监控数据流并处理模式漂移——这使得 IBM 能够跨企业系统为 Watsonx 提供最新、一致的信号。对于需要基于实时状态（而非仅仅基于历史模式）进行推理的 AI 来说，这种基础设施能够带来 10 倍的增效效果。 这也是 Dataweps 转向Bright Data为飞利浦和华硕等电商客户收集实时竞争对手定价和市场趋势的原因。他们的 AI 驱动定价和竞价系统依赖于快速、准确的数据，而 Bright Data 的 API 驱动生态系统（包括代理、存档/数据集、支持 AI 代理的浏览器自动化工具等）使他们能够可靠且大规模地收集这些数据。Bright Data 不仅仅是数据抓取，它还提供了现实世界 AI 系统所需的弹性、容量和合规性。坦率地说，它是一家 AI 基础设施提供商。 关键在于：检索质量如今胜过提示工程。即使是最好的提示也无法修复模型在推理时提取过时或不相关数据的问题。 正是现在，正确的环境。这就是后 Deepseek 时代 AI 生存或消亡的关键所在。 第一步总是最难的 乍一看，数据基础设施听起来像是管道。采集管道、转换、存储？貌似无聊至极。但在 RAG 和代理 AI 时代，这种管道已变得至关重要。为什么？因为你的系统不再只是运行推理——它基于外部、不断变化的多模态实时信息进行推理。这改变了一切。 我是这样认为的：现代人工智能数据栈已经发展成为一个成熟的价值链，从信息的获取和提取，到信息的转换和丰富，到信息的整理和排序，再到存储和提供给合适的组件——无论是模型、代理还是人类。每一层都带来了实时挑战和现实后果。与传统的 ETL 管道不同，它不仅仅是将数据录入数据湖然后留在那里。 大多数团队在第一步就搞砸了：采集。糟糕的数据提取会毁掉上下文。如果你的采集层错过了关键更新，在边缘情况下默默地失败，或者以错误的结构或语言捕获信息，那么你的整个堆栈都会继承这种盲目性。 换句话说：你无法设计你未曾摄取的语境。这里有一篇有趣的论文，《AI 海洋中的塞壬之歌：大型语言模型中的幻觉调查》，作者是 Zhang 等人。该论文展示了在生产级系统中，未解决的摄取问题是“模型幻觉”和其他异常代理行为的最常见根源。 因此，在 RAG 和代理 AI 时代，摄取需要具有战略性，这是不容置疑的： 它必须对人工智能代理友好，也就是说，能够提供结构化的、即时的数据。 它必须处理动态 UI、CAPTCHA、变化的模式和混合提取（API + 抓取）。 多步骤AI代理既需要实时信号，也需要历史记忆——现在发生了什么，之前发生了什么，发生顺序如何，以及原因。因此，该基础设施必须支持定时提取、增量更新和TTL感知路由——所有这些都具有弹性、合规性，并且随时准备应对变化。 它必须具有规模可靠性，并能持续从数百万个来源提供最新信息。 并且必须符合网站条款和法律规范。 这就是为什么脆弱的抓取工具、静态数据集和一次性连接器不再足够好的原因，以及为什么像 Bright Data 这样专注于自动化友好、代理优先数据基础设施的平台正在变得像模型本身一样基础。 我见过像 Gemma 3 这样的开源、开放权重模型在狭窄领域中表现优于 GPT-4，仅仅是因为新鲜的、精选的、基于领域的数据让它们能够用于更好的检索系统。 我们来算一下。假设我们将检索到的上下文片段的总效用定义为： U=i=1ΣkRiFi 在哪里： R i∈[0,1] 是第i个检索到的片段与查询的相关性得分。 𝐹𝑖 [ 0 , 1 ] 是新鲜度得分，以随时间衰减的函数建模（例如指数或线性）。 k是检索到的上下文块的数量，受模型的上下文窗口约束。 即使假设语义搜索完美（即𝑅𝑖 已优化），最大化U也可能意味着丢弃高度相关但过时的数据，转而选择相关性稍低（但最新！）的信号。如果您的提取层跟不上，就会造成可见性损失和效用下降。第二个影响与第一个影响相辅相成：不仅无法获得新鲜内容，而且过时内容的存在还会降低性能。这会导致检索到的上下文质量的复合下降。 这就是为什么数据采集（包括但不限于计划更新、TTL 感知爬取、SERP 提取、提要解析等）不再仅仅是管道。 数据采集基础设施究竟是什么样子 那么，将数据采集视为一流的基础设施究竟意味着什么呢？ 这意味着： 构建循环管道，而非负载。数据不应被一次性抓取并存档。它应该按计划进行流式传输、刷新和更新——并内置自动化、版本控制、重试逻辑和可追溯性。一次性转储无法提供持久的智能。 将新鲜度纳入检索逻辑。数据会老化。您的排名和检索系统应该将时间漂移视为首要信号——优先考虑能够反映当前世界状态的上下文。 使用基础设施级来源。从自制脚本中抓取原始 HTML 无法扩展。您需要访问层，这些层应提供 SLA、对验证码的弹性、模式漂移处理、重试、代理编排和合规性支持。 跨模态采集。有价值的信号存在于 PDF、仪表板、视频、表格、屏幕截图和嵌入式组件中。如果您的系统只能从纯 HTML 或 Markdown 中提取数据，那么您就错过了一半的信息。 构建事件原生数据采集架构。Kafka、Redpanda、Materialize 和时间序列数据库——这些并非只适用于后端基础设施团队。在 AI 原生系统中，它们将成为采集和重放时间敏感信号的神经系统。 简而言之，不要再把数据视为静态资源。要把它当成计算资源——需要编排、抽象、扩展和保护。这才是“数据采集即基础设施”的真正含义。 未来在于信息 > 规模 大多数 RAG 讨论都停留在模型层面。但如今正在兴起的 AI 栈，其模型可以互换，而数据基础设施才是长期的护城河。 摩尔定律或许已不复存在，但原始性能仍在稳步提升。但在不久的将来，我并不确信人工智能系统的性能将取决于微调或快速的魔法。我认为，最终的胜利将取决于你的系统掌握的知识以及它们获取知识的速度。最智能的人工智能系统并非拥有最大窗口的系统，而是拥有最佳上下文管理能力的系统——这得益于实时数据、动态内存和智能提取。 因此，作为工程师，我们不应将每一个新的数据源、反馈或实时数据流视为“内容”，而应将其视为能力。因此，每一个新的数据流也未必是噪音，而是信号。 也许你已经构建了这样一个关键的人工智能基础设施——只是你可能还没有这样称呼它。 也许你已经开始考虑将数据（例如 API）馈送到你自己的内部智能层，并且意识到：你不需要最大的模型。你只需要合适的管道。 拥有这种想法的团队，将网络规模的数据采集视为基础设施而不是一项次要任务，将会行动得更快、学到更多、用更少的费用获得成功。 来源（公众号）：数据驱动智能