近期,圖數(shù)據(jù)平臺Neo4j宣布任命方俊強為大中華區(qū)總經(jīng)理。
方俊強先生在數(shù)據(jù)分析領(lǐng)域擁有多年的深厚經(jīng)驗,曾就職于Qubole、MapR、Pivotal、SAP和Oracle等軟件公司,專注于數(shù)據(jù)分析,從事區(qū)域銷售和業(yè)務(wù)開發(fā)工作。此前,他還曾在埃森哲和3M等公司擔(dān)任過咨詢職務(wù)。
履新后,方俊強將負責(zé)制定Neo4j在大中華區(qū)的發(fā)展戰(zhàn)略,帶領(lǐng)團隊加強社區(qū)建設(shè),深入了解客戶面臨的挑戰(zhàn)和需求,并通過提供圖數(shù)據(jù)平臺助力客戶解鎖數(shù)據(jù)價值來加速數(shù)字化轉(zhuǎn)型,從而繼續(xù)推動Neo4j在大中華區(qū)市場的長足發(fā)展。
Neo4j大中華區(qū)總經(jīng)理方俊強
作為圖技術(shù)的開創(chuàng)者和原生圖數(shù)據(jù)庫市場的領(lǐng)導(dǎo)者,Neo4j擁有全球部署最廣泛的圖數(shù)據(jù)平臺,現(xiàn)服務(wù)全球超1000家來自金融、電信、零售、醫(yī)療保健、制造、運輸、物流等行業(yè)的客戶和政府機構(gòu)。2021年,Neo4j實現(xiàn)了顯著的營收增長,年經(jīng)常性收入 (ARR) 超過1億美元。此外,Neo4j還在2021年獲得超3.9 億美元的融資,這是數(shù)據(jù)庫領(lǐng)域有史以來的最大投資,Neo4j的估值達到 20 億美元。
在過去的一年,Neo4j在亞太區(qū)市場的表現(xiàn)同樣亮眼,營收增長超過100%,客戶規(guī)模迅速壯大。澳大利亞聯(lián)邦銀行 (CBA)、澳洲電訊、Capital A、渣打銀行、星展銀行等全球知名的企業(yè)和政府機構(gòu)用戶都采用Neo4j的圖數(shù)據(jù)平臺來處理高度復(fù)雜且具有高度關(guān)聯(lián)的數(shù)據(jù)。
Neo4j自2018年起進入中國市場,目前團隊成員遍布北京、上海、廣州、深圳,全面覆蓋銷售、市場、售后支持、合作伙伴和社區(qū)等領(lǐng)域,并與微云數(shù)聚、優(yōu)閱達和南天信息等業(yè)內(nèi)合作伙伴建立了良好的關(guān)系。Neo4j的社區(qū)在全球擁有25萬名成員,其中多數(shù)分布在中國,成功的開發(fā)者生態(tài)建設(shè)為Neo4j在中國的迅速發(fā)展奠定了堅實的基礎(chǔ)。迄今為止,Neo4j已將其全球團隊規(guī)模擴大到 700 多人,擁有全球最大的圖專業(yè)團隊,并擁有眾多品牌客戶,呈現(xiàn)出強勁發(fā)展態(tài)勢。
Neo4j亞太區(qū)副總裁Nik Vora表示:“方俊強的履新將進一步推動我們在大中華區(qū)市場的增長,也彰顯了Neo4j對大中華區(qū)的重視和長期承諾。期待他帶領(lǐng)Neo4j大中華區(qū)團隊繼續(xù)推動與加強合作伙伴關(guān)系,幫助客戶分析復(fù)雜數(shù)據(jù),提高應(yīng)用價值,使其成為商業(yè)智能。”
方俊強表示:“由于數(shù)據(jù)量猛增、數(shù)據(jù)更加復(fù)雜且高度關(guān)聯(lián),以及人工智能的快速發(fā)展,圖數(shù)據(jù)庫相比傳統(tǒng)型數(shù)據(jù)庫呈現(xiàn)出顯著優(yōu)勢,這也為Neo4j帶來巨大的發(fā)展機遇。我非常榮幸能夠與大中華區(qū)團隊一起,繼續(xù)深耕這一市場,幫助越來越多的中國企業(yè)通過Neo4j的圖數(shù)據(jù)平臺來挖掘數(shù)據(jù)的價值,釋放增長潛能,提高投資回報率。”
大中華區(qū)是Neo4j的重要戰(zhàn)略市場,Neo4j未來將在該區(qū)域?qū)W⒂谒膫€領(lǐng)域,包括客戶成功、合作伙伴、開發(fā)者社區(qū)和團隊擴展。通過進一步培養(yǎng)和壯大開源社區(qū),為社區(qū)成員提供更多的培訓(xùn),幫助其獲得Neo4j的免費認證,從而讓更多開發(fā)人員使用圖數(shù)據(jù)技術(shù)。
相關(guān)資源
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。