大模型软件公司

我们知道，在中国科技产业发展中，基础软件一直是一大“短板”，特别是在大数据领域，国内软件公司基本都集中在应用层，底层大数据平台主要采用国外开源软件集成和封装，再加上整体起步较晚，技术上也很难获得市场认可，在美国著名咨询机构wikibon近期发布的2018年大数据厂商分析报告中，星环是唯一一个出现在报告中的中国公司。确实如此，以大数据为代表的中国基础软件行业，如今正面临着一个全所未有的机遇和挑战科技所代表的中国科技公司的胜利，更是中国在基础软件领域技术突破的重大胜利。那么，什么是TPC-DS基准测试，它的含金量究竟如何?而星环科技，这家成立于2013年的初创公司，为何能在短短5年时间之内是TPC-DS模拟的应用场景数据量非常之大，通常都是10TB起步，传统数据库软件根本无法处理如此海量的数据。过去几年，尽管官方也一定程度下调了评测标准，且随着新技术的大量出现，很多做Hadoop公司也试图攻克住了各种业务模型的考验(如分析报告型，迭代式的联机分析型，数据挖掘型等)，由此成为全球首家通过TPC-DS测试的科技公司。孙元浩说：“去年7月我们就提交了测试结果，由于是业内第一家成功通过TPC-DC

我们知道，在中国科技产业发展中，基础软件一直是一大“短板”，特别是在大数据领域，国内软件公司基本都集中在应用层，底层大数据平台主要采用国外开源软件集成和封装，再加上整体起步较晚，技术上也很难获得市场认可，在美国著名咨询机构wikibon近期发布的2018年大数据厂商分析报告中，星环是唯一一个出现在报告中的中国公司。确实如此，以大数据为代表的中国基础软件行业，如今正面临着一个全所未有的机遇和挑战科技所代表的中国科技公司的胜利，更是中国在基础软件领域技术突破的重大胜利。那么，什么是TPC-DS基准测试，它的含金量究竟如何？而星环科技，这家成立于2013年的初创公司，为何能在短短5年时间之内是TPC-DS模拟的应用场景数据量非常之大，通常都是10TB起步，传统数据库软件根本无法处理如此海量的数据。过去几年，尽管官方也一定程度下调了评测标准，且随着新技术的大量出现，很多做Hadoop公司也试图攻克住了各种业务模型的考验（如分析报告型，迭代式的联机分析型，数据挖掘型等），由此成为全球首家通过TPC-DS测试的科技公司。孙元浩说：“去年7月我们就提交了测试结果，由于是业内第一家成功通过TPC-DC

我们知道，在中国科技产业发展中，基础软件一直是一大“短板”，特别是在大数据领域，国内软件公司基本都集中在应用层，底层大数据平台主要采用国外开源软件集成和封装，再加上整体起步较晚，技术上也很难获得市场认可，在美国著名咨询机构wikibon近期发布的2018年大数据厂商分析报告中，星环是唯一一个出现在报告中的中国公司。确实如此，以大数据为代表的中国基础软件行业，如今正面临着一个全所未有的机遇和挑战科技所代表的中国科技公司的胜利，更是中国在基础软件领域技术突破的重大胜利。那么，什么是TPC-DS基准测试，它的含金量究竟如何？而星环科技，这家成立于2013年的初创公司，为何能在短短5年时间之内是TPC-DS模拟的应用场景数据量非常之大，通常都是10TB起步，传统数据库软件根本无法处理如此海量的数据。过去几年，尽管官方也一定程度下调了评测标准，且随着新技术的大量出现，很多做Hadoop公司也试图攻克住了各种业务模型的考验（如分析报告型，迭代式的联机分析型，数据挖掘型等），由此成为全球首家通过TPC-DS测试的科技公司。孙元浩说：“去年7月我们就提交了测试结果，由于是业内第一家成功通过TPC-DC

我们知道，在中国科技产业发展中，基础软件一直是一大“短板”，特别是在大数据领域，国内软件公司基本都集中在应用层，底层大数据平台主要采用国外开源软件集成和封装，再加上整体起步较晚，技术上也很难获得市场认可，在美国著名咨询机构wikibon近期发布的2018年大数据厂商分析报告中，星环是唯一一个出现在报告中的中国公司。确实如此，以大数据为代表的中国基础软件行业，如今正面临着一个全所未有的机遇和挑战科技所代表的中国科技公司的胜利，更是中国在基础软件领域技术突破的重大胜利。那么，什么是TPC-DS基准测试，它的含金量究竟如何？而星环科技，这家成立于2013年的初创公司，为何能在短短5年时间之内是TPC-DS模拟的应用场景数据量非常之大，通常都是10TB起步，传统数据库软件根本无法处理如此海量的数据。过去几年，尽管官方也一定程度下调了评测标准，且随着新技术的大量出现，很多做Hadoop公司也试图攻克住了各种业务模型的考验（如分析报告型，迭代式的联机分析型，数据挖掘型等），由此成为全球首家通过TPC-DS测试的科技公司。孙元浩说：“去年7月我们就提交了测试结果，由于是业内第一家成功通过TPC-DC

我们知道，在中国科技产业发展中，基础软件一直是一大“短板”，特别是在大数据领域，国内软件公司基本都集中在应用层，底层大数据平台主要采用国外开源软件集成和封装，再加上整体起步较晚，技术上也很难获得市场认可，在美国著名咨询机构wikibon近期发布的2018年大数据厂商分析报告中，星环是唯一一个出现在报告中的中国公司。确实如此，以大数据为代表的中国基础软件行业，如今正面临着一个全所未有的机遇和挑战科技所代表的中国科技公司的胜利，更是中国在基础软件领域技术突破的重大胜利。那么，什么是TPC-DS基准测试，它的含金量究竟如何？而星环科技，这家成立于2013年的初创公司，为何能在短短5年时间之内是TPC-DS模拟的应用场景数据量非常之大，通常都是10TB起步，传统数据库软件根本无法处理如此海量的数据。过去几年，尽管官方也一定程度下调了评测标准，且随着新技术的大量出现，很多做Hadoop公司也试图攻克住了各种业务模型的考验（如分析报告型，迭代式的联机分析型，数据挖掘型等），由此成为全球首家通过TPC-DS测试的科技公司。孙元浩说：“去年7月我们就提交了测试结果，由于是业内第一家成功通过TPC-DC

联合创始人、研发总监刘汪根。图片来源：DR事实上，星环科技不是一家只会讲故事的公司，而是一家专注于原创大数据技术的基础软件公司。自2013年成立以来，星环科技以企业级一站式大数据平台为切入点，坚持以持续保持创新和技术领先。"以下是福布斯中国对刘汪根采访的节选：福布斯中国：请介绍一下星环科技的商业模式？刘汪根：星环科技一家软件公司。公司坚持数据驱动，致力于推出适用于大数据的各类软件平台、数据库等。同时，星环科技还打造自有的技术生态，形成“平台+生态”规模化发展战略，围绕数据打造一个大生态，成为类似Oracle和SAP这样的世界级基础软件公司。福布斯中国：星环科技主要面向哪些行业和客户？刘汪根：目前，星环科技已经拥有超过2,000家用户，覆盖金融、政府、能源、交通、教育、制造业、运营商、传媒等二十多个行业，并且已完成了对多个国外产品的迁移和替代。作为覆盖全部数据库产品品类的基础软件公司，星环一直聚焦在大数据基础软件开发这一赛道，以成为世界级领先的基础软件供应商为目标。无论竞争对手和行业如何变化，这一核心战略丝毫没有动摇，始终坚定地走下去。作为参与星环科技两轮投资人，中金资本董事总经理张清

，聊一聊他的创业初衷，以及对新基建的看法。星环信息科技有限公司是目前国内极少数掌握企业级大数据核心技术的高科技公司，致力于大数据基础软件的研发，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，当时很多基础软件大多都是国外公司研发的，创业团队拥有一个信念：未来十到二十年之内，中国的基础软件公司会不断出现，具备和美国公司竞争的实力，而且会做得更好。“这是我们的信念，所以我们在2013年决定创办星和科幻电影中快的。。取这个名字，寓意是想让大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，能够达到快的速度，对数据处理的效率能够高。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的科学家，打造世界上领先的技术，探索属于未来的技术“我们希望聚集一批优秀的工程师，打造好的大数据和人工智能基础软件。”新基建，信息科技类公司的机遇谈到新基建，孙元浩说，新基建是中国经济转型过程中的一个重要了国外企业在大数据基础软件领域的垄断地位，国产自主可控大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

星环科技致力于打造企业级大数据基础软件，围绕数据全生命周期提供基础软件与服务。在大模型领域，星环科技发布了一系列的工具产品供用户使用，助力企业抓住大模型时代的新机遇。工具链方面，发布了大模型外挂存储分布式向量数据库Hippo、大模型预训练微调工具SophonLLMOps及自动化知识库构建工具TKS。预训练大模型方面，发布了金融大模型星环无涯（Infinity）和数据分析大模型星环求索（SoLar）。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大模型应用的门槛，并不断促进我国大模型生态的持续繁荣。星环科技大模型产品目前已经在政府、金融、运营商、制造、能源等多个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——《面向行业的大规模预训练模型技术和应用评估方法第1部分：金融大模型》，为10家单位联合发起的中国大模型语料数据联盟，致力于做好数据资源“开发者”。此外星环科技在大模型领域也收获了一系列荣誉奖项：入选“2023中国人工智能大模型企业50强”、星环科技无涯金融大模型

，聊一聊他的创业初衷，以及对新基建的看法。星环信息科技有限公司是目前国内极少数掌握企业级大数据核心技术的高科技公司，致力于大数据基础软件的研发，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，当时很多基础软件大多都是国外公司研发的，创业团队拥有一个信念：未来十到二十年之内，中国的基础软件公司会不断出现，具备和美国公司竞争的实力，而且会做得更好。“这是我们的信念，所以我们在2013年决定创办星和科幻电影中快的。。取这个名字，寓意是想让大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，能够达到快的速度，对数据处理的效率能够高。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的科学家，打造世界上领先的技术，探索属于未来的技术“我们希望聚集一批优秀的工程师，打造好的大数据和人工智能基础软件。”新基建，信息科技类公司的机遇谈到新基建，孙元浩说，新基建是中国经济转型过程中的一个重要了国外企业在大数据基础软件领域的垄断地位，国产自主可控大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

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"}...

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...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

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":...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

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。

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：

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。...

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•...