- 综合排序
- 最热优先
- 最新优先
Data+AI融合计算：下一代企业智能化的核心引擎
摘要 本文深入探讨Data+AI融合计算的技术路径与实现方式，重点分析腾讯云数据湖计算DLC如何通过云原生架构实现数据与AI的高效协同，为企业提供一体化智能数据解决方案。 正文 一、Data+AI融合计算的技术演进 Data+AI融合计算本质上是通过统一的数据基础架构，实现数据工程与人工智能工作流的无缝衔接。 而现代融合计算架构采用存算分离设计，在同一平台上支持BI分析、机器学习等多种工作负载。 这一案例充分证明了Data+AI融合计算在实际业务中的价值。 结语 Data+AI融合计算正在重塑企业数字化转型的技术路径。腾讯云数据湖计算DLC通过云原生Serverless架构、高性能计算引擎和开放生态，为企业提供了新一代智能数据基础架构。
84010编辑于 2025-10-27- 来自专栏SDNLAB
OpenDaylight融合OpenStack架构分析
OpenStack和OpenDaylight（ODL）的融合是一个热门话题，有大量的文档可供参考，但是这些文章主要对其使用方面进行阐述，而没有讲如何实现OpenStack和ODL的融合。 OpenStack和OpenDaylight融合 图1总结了OpenStack和ODL融合的全过程。 图2：ML2机制驱动架构 机制驱动在端口绑定过程中也发挥了作用：确定是否相关的机制可以为网络提供连接，如果可以，就使用相应的网段和VIF驱动。 图2总结了OpenStack Neutron的ML2机制驱动架构。ODL机制驱动由“mechanism_odl.py”文件和网络ODL驱动组成。 图3：OpenDaylight Neutron API实现架构 Northbound API Bundle OpenDaylight的北向API处理来自OpenStack插件的REST请求并作出合适的应答
2.1K70发布于 2018-04-03 - 来自专栏SDNLAB
OpenStack超融合部署架构
一．前言 1 什么是超融合 三种常见的蔬菜：土豆、茄子、青椒放在一起可以烹调出永远的经典味道—“地三鲜”。 而三大IT基础设施组件：计算、存储、网络在一起也能被烹调出“超融合架构”这一概念。 “因此，超融合架构最核心的改变是存储，而这一概念的最初推动者也都是来自于互联网背景的存储初创厂商。 下面是传统IT架构和基于云计算背景的超融合架构，如下图所示： 当今，放眼世界。 云计算领域最火的架构是什么？无疑，是“超融合”。 国外有Mirantis、VMware、SMARTX等领导厂商先后进入超融合领域，国内也有99Cloud、Unitedstack等云公司，使用“超融合”架构。 存储网络是虚拟机访问共享存储GlusterFS或Ceph的网络（超融合架构中，存储网络一般不独立使用）。 由于在超融合计算存储——网络控制架构中，使用的是基于VLAN的Neutron模式。
5.5K62发布于 2018-04-03 腾讯云Data+AI下一代数智平台报告概览
本报告旨在阐述腾讯云Data+AI下一代数智平台如何通过技术融合，构建原生一体化平台，解决从数据存储、治理到智能应用的全链路问题，驱动产业智能化加速跃迁。 报告目录 CONTENTS 01 序 Data+AI:驱动产业智能化加速跃迁 从“数据说话”到“数据智能决策” 02 腾讯云Data+AI 产品全景图 腾讯云Data+AI产品全景图 报告通过架构图、数据流程图解构解决方案，关键数据指标来源于企业实际应用成效（如货拉拉40PB+数据迁移、作业帮告警处理效率提升）。研究时间范围聚焦于生成式AI技术成熟后的平台演进与实践。 采用Oceanus流批增量一体化架构，结合AI驱动开发与运维，实现流处理与实时AI深度融合，保障业务秒级响应。 （各类Agent）的端到端解决方案，实现DataOps与MLOps深度融合。
12410编辑于 2026-05-29腾讯云Data+AI全栈升级：基于存算分离与向量引擎的敏捷数据底座重构
部署全面下沉的存算分离与Data+AI融合架构 为破除数据与算力瓶颈，腾讯云实施大数据Data+AI全面升级，重构数据底座： 存算分离架构全面下沉： 构建兼容Iceberg、Hudi、Delta Lake 一站式WeData与BI Agent平台： 打通DataOps与MLOps工作流，提供一站式Data+AI融合开发平台；同时升级智能分析BI，引入基于大模型Agent技术的ChatBI交互模式。 向量数据库与Data+AI平台的协同，最终降低企业AI接入成本 80%。 支撑泛互联网头部企业海量并发场景 腾讯云大数据底层架构目前已稳定服务数十万家客户，支撑了海量高并发业务场景的长期稳定运行。 沉淀千亿级并发处理能力与技术护城河 选择腾讯云Data+AI架构的核心逻辑在于其技术确定性与极致的性能指标。 在底层算力上，其向量数据库具备千亿级规模下毫秒级（<10ms）响应的行业领先检索能力；在架构演进上，真正实现了DataOps与MLOps的底层融合，为企业提供了一条从数据治理到AI大模型落地的最短工程路径
33910编辑于 2026-04-11Data+AI时代，大数据平台必备的AI原生能力解析与腾讯云数据湖计算实践
##摘要 随着Data+AI融合成为企业数字化核心趋势，大数据平台需具备AI原生能力以应对智能化挑战。 ##导语 2025年，大模型与数据技术的深度融合正重塑企业数据平台架构。Gartner报告指出，湖仓一体（Lakehouse）已成为数据平台新标准，而AI原生能力是其核心竞争壁垒。 ##正文 ###一、Data+AI融合趋势下的能力重构 传统大数据平台面临数据孤岛、分析效率低、AI应用门槛高等痛点。 ##结语 Data+AI融合不再是可选项，而是企业数据平台的核心竞争力。 腾讯云数据湖计算DLC以Serverless架构、NL2SQL、智能调优等AI原生能力，为企业提供开放、高性能的一站式解决方案。
49110编辑于 2025-11-04医科院肿瘤医院依托腾讯TBDS构建首个国产自主国家级肿瘤大数据平台
此外，由于缺乏国产自主底座与Data+AI一体化能力的深度融合，多中心协同科研与临床成果转化的效率面临显著瓶颈。 部署国产湖仓一体底座与Data+AI一体化架构 医科院肿瘤医院联合腾讯健康，以 腾讯TBDS 为核心底座，搭建国产湖仓一体数据平台。 该架构旨在统一汇聚并治理多模态肿瘤数据，提供高可靠存储与弹性算力支持。 融合泛Hadoop生态支撑全流程智能化转化 腾讯TBDS依托泛Hadoop兼容技术栈，为医疗级多模态数据提供了开箱即用的湖仓一体底座。 其底层不仅完成了异构数据的统一汇聚，更将Data+AI算力与全链路安全合规能力进行原生融合。
13410编辑于 2026-05-182026 腾讯云&CCSA《大数据平台在DATA+AI时代下的融合创新》深度洞察
第一章：报告基础信息 报告标题：2026 大数据平台在DATA+AI时代下的融合创新 发布机构：腾讯云计算（北京）有限责任公司、中国通信标准化协会大数据技术标准推进委员会（CCSA TC601） 编委成员 在国际技术供应链变化与国内合规监管深化的宏观背景下，本报告旨在剖析企业数据基础设施面临的技术与治理痛点，为企业平稳推进安全可控的 Data+AI 融合平台转型提供以数据为支撑的系统级决策参考。 +AI一体化架构演进 腾讯云Data+AI一体化平台的系统工程实践 3.1 TBDS三层融合架构 3.2 核心技术创新与亮点 3.3 TBDS核心能力支撑 大数据平台实施建议 未来展望 附件 腾讯云TBDS 核心分析模型：梳理并输出“TBDS三层融合架构图”，涵盖全栈一体底座层（统一架构与多协议存储）、全域资源中枢层（OneKubernetes统一调度与TBDS-MetaLake统一元数据）、数智协同开发层 架构演进与应对方案： Data+AI一体化范式重构：平台建设需摒弃“外挂拼接”，转向底层原生融合。构建支持海量多模态数据存算分离的湖仓一体架构，实现一份数据支撑批计算、流计算与 AI 模型训练。
21400编辑于 2026-05-28- 来自专栏QQ大数据团队的专栏
Gartner发布全球数据湖仓平台市场指南：腾讯云入选，系唯一中国厂商
在这样的背景下，全球湖仓市场进入加速融合与竞争阶段。 腾讯云DLC能够在这22家全球领先厂商中入选，展现了中国厂商在开放标准、计算性能和智能融合等方面的持续突破。 围绕云原生Lakehouse架构，腾讯云DLC在开放性、性能和Data+AI一体化能力上形成了显著的差异化优势。 在东南亚大型零售集团的营销自动化场景中，DLC的Data+AI一体化能力帮助企业在同一份数据与计算资源上完成用户行为分析、销售预测及实时推荐等任务，性价比提升超过70%，有效解决了以往双平台架构导致的割裂与高昂成本问题 随着大数据与AI技术的深度融合，腾讯云大数据产品矩阵已全面升级至Data+AI能力体系，致力于为各行业客户打造AI-Ready的智能大数据平台，助力企业加速释放数据与智能的融合价值。
65010编辑于 2025-10-20 Gartner发布全球数据湖仓平台市场指南：腾讯云入选，系唯一中国厂商
在这样的背景下，全球湖仓市场进入加速融合与竞争阶段。 腾讯云DLC能够在这22家全球领先厂商中入选，展现了中国厂商在开放标准、计算性能和智能融合等方面的持续突破。 围绕云原生Lakehouse架构，腾讯云DLC在开放性、性能和Data+AI一体化能力上形成了显著的差异化优势。 在东南亚大型零售集团的营销自动化场景中，DLC的Data+AI一体化能力帮助企业在同一份数据与计算资源上完成用户行为分析、销售预测及实时推荐等任务，性价比提升超过70%，有效解决了以往双平台架构导致的割裂与高昂成本问题 随着大数据与AI技术的深度融合，腾讯云大数据产品矩阵已全面升级至Data+AI能力体系，致力于为各行业客户打造AI-Ready的智能大数据平台，助力企业加速释放数据与智能的融合价值。
42910编辑于 2025-10-20腾讯云工具指南 | 10期：Data+AI 下一代数智平台
本报告旨在展示腾讯云如何通过 Data+AI 一体化平台，通过融合数据存储、治理与智能分析能力，为企业提供从数据接入到智能应用落地的端到端解决方案，驱动产业智能化跃迁。 第三章：报告目录 • 01 序 Data+AI:驱动产业智能化加速跃迁 从“数据说话”到“数据智能决策” • 02 腾讯云Data+AI 产品全景图 腾讯云Data+AI产品全景图 • 03 Data+ • 核心架构：基于 Data+AI 双引擎架构，涵盖统一存储层（TCLake/TBDS）、统一开发治理层（Wedata）、智能分析层（ChatBI/TCDaAgent）及应用层（行业解决方案）。 • 解决方案：Oceanus 深度融合流处理和 AI，支持 Flink CDC 3.3 原生调用 AI 模型。AI 驱动的智能代码补全与运维管理，使开发效率提升，故障定位时间缩短。 4. 第六章：为什么选择腾讯云 腾讯云通过构建原生一体化的 Data+AI 平台，在性能、架构创新及行业实践方面展现出以下优势： 技术架构的先进性： 提出 NoETL 与 Headless BI 架构理念，通过
11500编辑于 2026-05-29- 来自专栏jtti
Jtti:了解超融合基础架构
超融合是以软件定义的解决方案来整合您的整个基础架构。超融合基础架构（HCI）能为远程办公室、小型数据中心部署和私有云，以及部署测试和边缘计算应用提供优势。什么是超融合基础架构？ 超融合是一种 IT 基础架构解决方案，将计算、存储和网络资源整合在一个统一系统中。超融合基础架构由使用虚拟机监控程序管理的计算资源（虚拟机）、软件定义存储和软件定义网络组成。 存储和超融合一切由软件定义的超融合方案需要虚拟化存储基础架构。不同于传统的网络附加存储（NAS）或存储区域网络（SAN）系统，SDS 可在任何 x86 系统上执行，从而消除了软件对于专有硬件的依赖。 超融合基础架构中的网络和存储一样，软件定义网络（SDN）会虚拟化超融合基础架构中的网络功能。SDN 允许 IT 运维团队通过集中面板来控制复杂网络拓扑中的网络流量，而无需手动处理每个网络设备。 超融合基础架构使用虚拟机监控程序（如 KVM）管理基础架构的虚拟化资源。虚拟机监控程序（有时也称为 VMM）会将虚拟机监控程序的操作系统与虚拟机的资源分离开，并创建和管理这些虚拟机。
76710编辑于 2024-09-23 - 来自专栏QQ大数据团队的专栏
腾讯云与 CCSA TC601 联合发布白皮书，提出 Data+AI 时代大数据平台融合创新演进路径
CCSA TC601 共同发布，白皮书系统提出 Data+AI 时代大数据平台的架构演进路径，深度解读腾讯云大数据 TBDS的三层融合创新架构，及其在金融、能源等关键行业的落地范式。 腾讯云 TBDS 的三层融合架构 围绕上述判断，白皮书以腾讯云 TBDS 作为架构演进的工程参照，给出了一条具体的演进路径：不在原有平台上做能力叠加，而是从内核层完成一次彻底重构，最终形成自下而上三层融合架构 在超大规模数据量、强监管、高可用三重约束下，融合创新平台已经能够同时承担国产替代与 Data+AI 升级两项任务。 实施建议与趋势判断 围绕这一架构演进，五条行动指南构成了从战略到选型的完整路径：按核心、重要、一般、办公四级分类制定融合创新策略；构建统一的数据底座；治理先行；全面拥抱 Data+AI 一体化；与可靠的合作伙伴形成长期协同 腾讯云大数据 TBDS 以三层融合架构服务关键行业，为各行业客户在 Data+AI 时代的转型，提供一个安全、自主、可演进的数据底座。
23510编辑于 2026-05-22 腾讯云工具指南 10期：Data+AI 下一代数智平台
本报告（数据源含Gartner预警及《2024埃森哲中国企业数字化转型指数》）旨在剖析传统数据平台的瓶颈，提出以“Data+AI原生一体化”为核心的下一代数智平台架构，助力企业打破数据壁垒，实现从“数据说话 • 核心分析模型：构建了涵盖五层架构的“Data+AI新一代数据智能平台”模型： 底层统一存储层（结构化与非结构化数据服务） 统一加速层（完全兼容社区开源模式及元数据服务） 统一调度/计算层（兼容开源生态与自研解决方案 DataOps与MLOps的深度融合实现了端到端的持续集成部署（CI/CD/CT）。 • 痛点五：数据洪流“扛不住”（高并发与实时处理压力） 生成式AI驱动的实时交互（如金融风控）要求秒级响应，传统批处理架构难以支撑。 解决方案： Oceanus深度融合流处理和AI。 第六章：为什么选择腾讯云 • 架构领先与唯一性视野： 腾讯云在业界率先提出并落地了深度融合、原生一体化的Data+AI平台架构，将DataOps与MLOps理念无缝流转，彻底打破了数据与AI团队的分裂壁垒
9700编辑于 2026-05-29数据湖平台POC测试指南：重点验证这五大维度，腾讯云DLC成关键选择
##摘要 本文围绕数据湖平台POC测试的核心指标展开，从性能、成本、易用性、开放性和Data+AI融合能力五大维度提供验证框架，并结合腾讯云数据湖计算DLC的产品优势，为企业选型提供实践参考。 根据2025年Gartner报告，腾讯云DLC作为唯一入选全球代表厂商的中国产品，其Serverless架构和Data+AI能力为测试提供了标杆。 存储优化 多副本冗余成本高 存算分离+列式压缩，成本降30% 运维投入 需专职团队维护 Serverless架构 undefinedDLC突破：在东南亚零售场景中，通过Data+AI一体化将营销分析性价比提升70%。 结语 数据湖平台POC测试需从性能、成本、易用性、开放性和AI融合五大维度综合评估。 腾讯云数据湖计算DLC凭借Gartner全球认可的技术实力、Serverless架构的成本优势以及Data+AI无缝集成能力，已成为企业验证理想平台的标杆选择。
40710编辑于 2025-11-03- 来自专栏QQ大数据团队的专栏
腾讯云大数据升级Data+AI能力体系，构建AI-Ready的智能大数据平台
本文共计1179字 预计阅读时长4分钟 9月17日，在腾讯全球数字生态大会上，腾讯云宣布大数据产品矩阵全面升级Data+AI能力体系，覆盖底层架构、数据平台、数据应用等全流程，帮助企业应对数据治理、多模态融合与智能化应用等挑战 腾讯云副总裁黄世飞发表主题演讲 腾讯云副总裁黄世飞表示，腾讯云致力于融合Data+AI一体化能力，并引入AI Agent赋能，旨在解决传统数据平台在多模态处理和智能化上的不足，推动企业形成差异化AI竞争力 对此，腾讯云提出构建“AI-Ready”智能大数据平台，通过云原生架构、Data+AI一体化和Agent增强，为企业提供面向未来的数据底座。 DataOps到AIOps的融合。 在本次大会上，面向融合创新场景，腾讯云大数据平台TBDS也升级亮相，凭借核心引擎的优化，整体性能提升65%。
1.2K10编辑于 2025-09-29 2025 Gartner® Data+AI下一代数智平台建设指南 发布，腾讯云Data+AI产品矩阵入选
(Agentic Analytics) 云原生弹性架构与多云部署 04. 核心分析模型： Data+AI一体化架构：基于TCCatalog统一元数据，融合DataOps与MLOps流程，实现从数据接入到模型服务的全链路闭环。 流批一体与NoETL架构：利用WeData Unity Semantics构建统一语义层，实现数据不搬迁、语义在线化。 运维成本高企：传统大数据运维中，70%的系统故障需跨3层以上架构排查，平均恢复时间（MTTR）4.5小时以上，告警误报率高达30%-50%。 • 解决方案与洞察： Data+AI一体化：通过DLC+WeData实现DataOps+MLOps融合，相比传统数据湖产品具备70%+性价比优势，资源利用率提升30%。
10610编辑于 2026-05-30- 来自专栏深度学习与python
腾讯云与 Gartner 联合发布“Data+AI”白皮书，各行业领军企业分享最佳实践
在当日下午举行的 TechoDay「Data+AI：下一代数智平台的最佳实践」技术专场上，云鼎科技副总经理魏明、网易有道 QAnything 首席架构师冯江涛、货拉拉大数据专家章啸、作业帮基础架构研发经理张浩然多位技术大咖 ；中国则聚焦于将先进技术与产业超大规模的丰富场景深度融合。 面对 GenAl 时代的数据挑战，腾讯云给出的答案是深度融合、全面打通，打造了一个 为 AI 时代而生的原生一体化 Data+AI 平台 DIaaS（Data Intelligence as a Service 2 为 AI 时代而生的原生一体化 Data+AI 平台，长什么样？ 具体而言，新一代数据智能平台 DIaaS 的构建，需要从运营 & 组织架构升级以及技术突破两大维度进行系统性设计。 比如，Data Agent 技术将实现从静态报表到动态认知智能的跨越式升级；计算架构采用一体化设计，在传统 ETL 基础上融合实时计算能力；调度上实现 CPU+GPU+ 混合负载的智能分配，支持从数据工程到训练推理的各类任务统一调度
1.7K10编辑于 2025-07-08 2025 腾讯云金融AI前沿实践及洞察
+AI，数智结合 4.1 Data+AI核心趋势（智能化管理、一体化、创造高价值） 4.2 腾讯金融云Data+AI解决方案架构 价值为先，跨越从AI试点到规模化应用的鸿沟（吴悦宁 | 腾讯云泛金融技术总监 ） 6.4 底座能力层（流批融合引擎Setats、智能湖仓一体架构、多模态数据融合） 金融行业大模型场景落地挑战与实践（全成 | 腾讯金融云首席AI技术专家） 7.1 挑战（高精度、强监管、 （徐伟利 | 腾讯云泛金融技术总监） 14.1 行业趋势与挑战（2024年第三方支付交易规模580万亿元，增速近7%） 14.2 云原生架构演进（四代架构特征） 14.3 智能化应用（客户/ 大模型金融场景落地路径： 原子能力建设：文档解析（多模态融合、动态分割）、文本结构化（实体关系三元组抽取）、多模态处理（图像文本化、音视频结构化）、工程插件（数据质量监测、合规过滤）。 Data+AI融合趋势：从单点突破迈向产业重构，需构建智能体应用生态（Data Agent）、一体化开发平台（Wedata 3.0）、AI原生数据底座（Setats流批引擎、智能湖仓）。
62120编辑于 2026-04-22- 来自专栏皮振伟的专栏
超融合架构设计之概述
nutanix本身是存储起家，分布式存储上有大量的积累，加上虚拟化技术的成熟，万兆网卡（甚至更高速度的网卡）和万兆交换机的普及，让新架构的IaaS产品成为可能。 nutanix的本地化程度不够，以及价格的不友好，国内的超融合产品也开始涌现。 本文（也包括接下来的几篇）会介绍超融合产品的架构设计以及部分实现细节。 物理节点的结构 ? 其中，计算虚拟化和网络虚拟化，在传统的私有云和超融合之间的差异不大。 超融合架构，如下图，采用标准的x86服务器和万兆交换机为硬件依托，构成物理集群。把每台x86服务器的硬盘组织起来，以分布式存储技术为基础，构成虚拟的逻辑存储池。 在超融合平台设计上，可以使用虚拟机来承载这些组件。如下图， ?
2.6K82发布于 2018-04-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号