订阅我们的每日和每周新闻通讯，获取有关行业领先的 AI 报道的最新更新和独家内容。了解更多
多年来，企业公司一直受到数据孤岛的困扰，将交易系统与分析工具隔离开来——这种隔阂阻碍了 AI 应用，减缓了实时决策，并因复杂的集成而增加了成本。在今天的 Ignite 大会上，微软宣布了一项打破这种循环的重要举措。
这家科技巨头透露，其旗舰交易数据库 Azure SQL 现已集成到微软的统一数据平台 Fabric 中。这种集成允许企业将实时运营数据和其他历史数据合并到一个名为 OneLake 的单一、AI 就绪的数据湖中。
这一宣布标志着微软 Fabric（其端到端数据平台）的重大演变，该平台还包括实时智能等新功能以及 OneLake 目录的全面可用性（请参阅我们对 Microsoft Ignite 数据公告的全面报道）。这些更新共同旨在满足企业 AI 工作流程中对可访问、高质量数据的日益增长的需求。
到目前为止，公司一直在努力连接不同的数据系统，依靠拼凑的解决方案来支持 AI 应用。随着 AI 代理（能够自主执行复杂推理的软件工具）的兴起，这种紧迫性只会增加。这些代理需要即时访问实时和历史数据才能有效地运行，微软的目标是通过 Fabric 来满足这种需求。
随着 AI 代理成为明年企业公司最热门的趋势之一，微软正在努力成为这一领域的领导者。请参阅我们关于微软如何在这一竞赛中领先的单独报道，其他公司都远远落后。
Azure SQL 的集成只是交易数据集成的开始。微软计划将支持扩展到其他关键交易数据库，包括 Cosmos DB（其广泛用于 AI 应用的 NoSQL 文档数据库）和 PostgreSQL（流行的开源关系数据库）。虽然这些集成的具体时间表尚未确定，但这标志着微软努力创建真正统一的数据平台的重大里程碑。
微软还表示，计划与流行的开源交易数据库集成，包括 MongoDB 和 Cassandra，但微软不太可能优先考虑与 Couchbase 和 Google 的 Bigtable 等竞争的专有交易数据库集成。
Azure 数据公司副总裁 Arun Ulag 在一次采访中强调，将 Cosmos DB 等交易数据库集成到 Fabric 对启用下一代 AI 应用至关重要。例如，OpenAI 的 ChatGPT（历史上增长最快的消费级 AI 产品）依赖 Cosmos DB 来为其对话、上下文和记忆提供动力，每天管理数十亿笔交易。
随着 AI 代理发展到能够处理电子商务交易等复杂任务，对实时访问交易数据库的需求只会增长。这些代理依赖于向量搜索等先进技术，该技术根据语义含义而不是精确匹配来检索数据，从而有效地回答用户查询——例如推荐特定书籍。
“你没有时间……去其他地方运行你的 RAG 模型，”Ulag 说，指的是将实时和历史数据结合在一起的检索增强生成模型。“它必须直接内置到数据库本身。”
通过统一运营和分析功能，Fabric 允许企业构建 AI 应用，这些应用可以无缝地利用实时交易数据、结构化分析和非结构化见解。
- 实时智能：内置的向量搜索和检索增强生成 (RAG) 功能简化了 AI 应用开发，减少了延迟并提高了准确性。
- 统一数据治理：OneLake 提供了一个集中式、多云数据层，确保互操作性、合规性和更轻松的协作。
- 无缝代码生成：Fabric 中的 Copilot 可以自动将自然语言查询转换为 SQL，允许开发人员获得内联代码建议、实时解释和修复。
Fabric 中最具活力的公告之一是引入了 AI Skills，这项功能使企业能够通过自然语言与任何数据（无论其存储位置）进行交互。它们连接到 Copilot Studio，因此您可以构建 AI 代理，这些代理可以轻松地跨多个系统查询这些数据，从交易日志到语义模型。
Ulag 说，如果他必须选择一个最让他兴奋的公告，那就是 AI Skills。他说，借助 AI Skills，业务用户只需指向任何数据集——无论是来自任何云、结构化还是非结构化——并开始询问有关该数据的问题，无论是通过自然语言、SQL 查询、Power BI 业务定义还是实时智能引擎。
例如，用户可以使用 AI Skills 来识别存储在多个系统中的销售数据的趋势，或从物联网遥测日志中生成即时见解。通过弥合业务用户和技术系统之间的差距，AI Skills 简化了 AI 代理的开发，并在整个组织中普及了数据访问。
截至目前，AI Skills 可以连接到数据湖和数据仓库表、镜像数据库和快捷数据，以及语义模型和 Eventhouse KQL 数据库。该公司表示，对非结构化数据的支持“即将推出”。
在数据平台方面，微软面临着来自 Databricks 和 Snowflake 等公司的激烈竞争，以及 AWS 和 Google Cloud 在更广泛的云生态系统中的竞争——所有这些公司都在努力集成交易和分析数据库。然而，微软在 Fabric 中采用的方法正在开始开辟一个独特的定位。
通过利用统一的 SaaS 模型、无缝的 Azure 生态系统集成以及对开放数据格式的承诺，微软消除了困扰企业数据系统的许多数据复杂性。此外，用于构建 AI 代理的 Copilot Studio 等工具以及 Fabric 在多云环境中的深度集成使其具有优势（请参阅我对微软围绕 AI 代理的定位的单独分析 [链接]，该定位似乎也是行业领先的）。
研究公司 Moor Insights 的副总裁 Robert Kramer 表示，微软将 AI 功能直接嵌入其统一数据环境的能力“可以为开发人员和数据科学家提供更好的体验”，这突出了 Fabric 的设计如何简化工作流程并加速 AI 驱动的创新。
- 统一的 SaaS 模型：Fabric 消除了管理多个服务的需要，为企业提供了一个单一、连贯的平台，从而降低了复杂性和运营开销。
- 多云支持：与某些竞争对手不同，Fabric 与 AWS、Google Cloud 和本地系统集成，使组织能够在不同的数据环境中无缝地工作。
- AI 优化的工作流程：对向量相似性搜索和检索增强生成 (RAG) 的内置支持简化了智能应用程序的创建，缩短了开发时间并提高了性能。
微软统一和简化企业数据堆栈的战略不仅满足了当今以 AI 为中心的负载的需求，而且还为快速发展的数据平台市场中的竞争对手设定了很高的标准。
将交易数据库集成到 Fabric 中是一个重要的里程碑，但也反映了整个企业数据领域更广泛的转变：向无缝互操作性的转变。随着 AI 代理成为企业战略的基石，将不同的系统统一到一个连贯的架构中的能力不再是可选的——而是必不可少的。
然而，Azure 数据公司副总裁 Arun Ulag 承认在微软的规模下运营所带来的挑战。虽然该公司在 Fabric 方面取得了重大进展，但该行业的快速发展性质要求不断创新和适应。
“许多这些模式都是新的，”Ulag 解释说，描述了为跨行业的各种用例进行设计的挑战。“其中一些模式将有效。其中一些将无效，我们只有在客户大规模尝试后才能知道……它在汽车行业的应用方式可能与它在医疗保健行业的应用方式大不相同，”他补充说，强调了政府法规等外部力量在塑造未来发展中的作用。
随着微软继续完善 Fabric，该公司正在将自己定位为向统一的、AI 就绪的数据架构转变的领导者。但随着竞争对手也争先恐后地满足企业 AI 的需求，未来的旅程将需要不断发展、快速学习以及专注于大规模交付价值。
有关公告和 Arun Ulag 观点的更多见解，请观看我们上面的完整视频采访。
