纽约AI峰会的收获
纽约AI峰会的收获我们的观点：我们亲自参加了纽约AI峰会。在会议上，我们聆听了多场演讲，并与AI生态系统中的众多专家和初创公司进行了交流。
AI生态系统向代理应用迈进。随着AI的快速发展，会议上的普遍观点是，AI的“下一个前沿”是代理应用。为此，我们与一家AI编码初创公司的联系人进行了交谈，他强调AI代码生成已不再足够，而创建能够在后台完成常规“维持系统运行”任务的编码代理是下一波创新。这种AI代码生成的进步与我们之前在TIMT会议上从Tabnine（未上市）那里听到的观点相一致。最后，除了代理编码外，许多开发者所展望的长期愿景是跨越整个开发者完整报告&纪要生态系统，与Jira等工作流应用程序集成，处理单元测试等，而不仅仅是开发者体验的一部分。
。正值第三季度财报发布之际，数据库之争仍然是人们关注的焦点。在本周的财报电话会议上，管理层强调了赢得了一位大客户，该客户因可扩展性和灵活性需求而从PostgreSQL转向MongoDB。我们的交流进一步深入探讨了这一争议，强调了MongoDB在这两方面的优势。此外，我们还听说MongoDB天生就支持JSON文档，与AI工作负载高度兼容，使该公司在利用AI机遇方面占据有利地位。最后，另一个明显的差异是，PostgreSQL需要密集且预定义的表和模式，而MongoDB则不需要。虽然许多开发者可能已经熟悉SQL，但自然语言大型语言模型（LLM）已经使MQL（MongoDB查询语言）的采用和构建变得更加容易。虽然两者都具有可扩展性，但我们的调查表明，MongoDB的灵活性更符合现代AI模型的需求，从而在开发者生产力和上市时间方面为其提供了显著优势。正如我们在第三季度财报笔记中所指出的，我们继续认为对PostgreSQL的担忧被夸大了。
。多个演讲和客户交流都强调了前三大用例：客户体验（客户服务和营销）、数字劳动力（人力资源/采购/供应链）以及IT（应用现代化/开发资源效率）。完整报告&纪要此外，许多演讲都强调了叙事从AI取代工作转向AI与人类协同工作作为企业的“金钥匙”。一个演讲中提到，客户服务行业的代理效率提高了33%，而开发者资源领域的生产率提高了30%。
。许多交流都强调公司应保持模型无关性，并允许客户使用自己的LLM。不过，一次交流指出，许多客户倾向于选择与他们使用的超大规模云服务商绑定的LLM（例如，重度Microsoft用户倾向于使用OpenAI）。同样，我们听到一家公司表示，虽然他们可能允许客户使用自己选择的LLM，但他们已经进行了研究，知道哪些模型最适合哪些任务，并鼓励客户遵循他们的指导。考虑到所有这些，完整报告&纪要整天都很明显的一点是，上下文是关键，并且无论使用哪种模型，如果企业没有“AI就绪数据”，并且LLM无法访问所需的上下文，那么客户就只能取得有限的进展。我们参加的关于这一主题的演讲强调了通用模型与针对特定用例的小型语言模型（SLM）相结合，以为企业带来最高的效率和生产力。
感谢提供信息分享。
页:
[1]