原標題：英特爾、第四范式聯合研究成果入選國際頂會VLDB

英特爾與第四范式聯合研究成果入選國際頂會VLDB，這一事件標志著雙方在數據庫和人工智能領域的合作取得了顯著成果。以下是對這一事件的詳細分析：

一、合作背景與成果

英特爾與第四范式聯合實驗室以及新加坡國立大學進行了最新聯合研究，該研究成果——基于英特爾傲騰持久內存的特征工程內存數據庫FEDB（Feature Engineering Database），被國際頂級數據庫學術會議VLDB（Very Large Data Base）作為常規研究論文錄取。VLDB與SIGMOD并稱為數據庫業界的兩大最頂級學術會議，收錄研究機構以及科技企業在數據庫領域最前沿、最頂級的研究成果。

二、研究成果的創新點

1. 針對在線預估系統的業務需求：

• 該研究以解決在線預估系統的業務需求和痛點為目的，針對如何設計底層數據庫組件來高效支撐萬億維稀疏特征在線預估系統進行了創新性設計和全面優化。

2. 基于英特爾傲騰持久內存的優化：

• 研究如何基于英特爾傲騰持久內存進一步解決業務和系統設計的痛點。雙方基于英特爾傲騰持久內存，使用App Direct Mode，開發優化持久化數據結構，完全摒棄了FEDB原有的基于外存儲設備的數據持久化架構。

• 創新性優化技術包括“持久化智能指針”以及利用原子操作“持久化比較并交換”（Atomic Persistent Compare-And-Swap）的解決方案。

三、研究成果的應用價值

1. 滿足企業超高維稀疏特征在線預估場景的需求：

• 基于英特爾傲騰持久內存的FEDB可有效滿足企業超高維稀疏特征在線預估場景的需求。

2. 降低企業AI整體投入成本：

• 在保證線上推理服務超高性能的同時，大幅降低了企業AI整體投入成本。

3. 提升線上服務質量：

• 提升了線上服務的質量，進一步掃清了企業AI規模化應用的障礙。

四、具體實驗數據與對比

1. 硬件成本降低：

• 在10TB數據的業務場景中，基于英特爾傲騰持久內存的FEDB的硬件成本僅為基于純內存版本的41.6%。

2. 服務恢復時間縮短：

• 在服務中斷情況下，基于持久內存的FEDB實現數據快速恢復，服務恢復時間減少99.7%，從原來的六個小時縮短至一分鐘左右。

3. 長尾延遲改善：

• 基于英特爾傲騰持久內存進行持久化數據結構設計的FEDB舍棄了原有純內存方案以及基于外存儲設備的備份機制，實現了長尾延遲（TP-9999）接近20%的改善。

五、結論

英特爾與第四范式的聯合研究成果在VLDB的錄用，不僅體現了雙方在數據庫和人工智能領域的深厚積累，也展示了雙方合作創新的強大實力。該研究成果的應用將為企業AI規模化應用提供有力支持，推動數據庫和人工智能技術的進一步發展。