- Главная
- О нас
- Пресс-центр
- Пресс-релизы
22 сентября 2026 г. | САН-ДИЕГО
Разработанная специально для работы с корпоративными данными, система Tera предоставляет проверенные бизнес-знания и возможности интеллектуального исполнения для любой роли, связанной с данными, обеспечивая при этом снижение затрат и повышение скорости работы.
Компания Teradata (NYSE: TDC) сегодня объявила о масштабной эволюции Tera, превратив её в интеллектуального «коллегу-агента» для работы с корпоративными данными. В то время как обычные ИИ-ассистенты лишь генерируют ответы, Tera обеспечивает достижение конкретных результатов. Благодаря использованию естественного языка и управляемого исполнения, каждый сотрудник — от бизнес-аналитиков до инженеров платформ и администраторов баз данных — может анализировать данные, создавать ИИ-приложения, управлять инфраструктурой и автоматизировать сложные рабочие процессы. Всё это происходит в единой контролируемой среде, которая охватывает корпоративные данные на различных платформах, а не только внутри Teradata. Отраслевой опыт и бизнес-знания встроены в каждое взаимодействие и защищены корпоративными политиками идентификации, поэтому глубокая специализация в продуктах Teradata не требуется.
Tera включает в себя три ключевых компонента:
- *НОВИНКА* Tera Context Engine — независимый от поставщика уровень контекста и оркестрации, который предоставляет ИИ проверенные бизнес-знания;
- *НОВИНКА* Tera Harness — уровень интеллектуального исполнения, который направляет задачи, используя соответствующие навыки, инструменты, данные и модели; и
- *НОВИНКА* Agent Skills — специализированные навыки для инженерии данных, анализа данных и науки о данных.
Tera решает две задачи, которых не хватало корпоративному ИИ: способность понимать бизнес и способность действовать на основе этого понимания. Клиенты Teradata получают более надежные результаты работы ИИ, лучшую экономическую эффективность от каждого взаимодействия с моделью и более быстрое получение ценности. В этом им помогают услуги Teradata AI Services, предназначенные для организаций, стремящихся ускорить внедрение технологий.
Результаты тестирования
Система Tera была специально создана для работы с корпоративными данными, оптимизируя выполнение задач в области аналитики, векторов и моделей. В ходе тестирования на платформе SWE-bench Pro с использованием той же модели Opus 5, Tera потребила на 73% меньше токенов, чем Claude Code, при этом достигнув более высоких показателей завершения задач, выполнив работу на 42% быстрее и обеспечив снижение общих затрат на 58%. Согласно опубликованным данным бенчмарка data-eng-bench, разработанного Snowflake Labs и Bespoke Labs для инженерии конвейеров данных, стоимость одной надежно решенной задачи в Tera оказалась на 53% ниже, чем при использовании Snowflake Cortex Code с моделью Opus 5. В тестах data-eng-bench и ADE-bench система Tera продемонстрировала точность, лидирующую в отрасли, достигнув наивысшего показателя Pass3 в data-eng-bench и разделив первое место в ADE-bench. Полная методология тестирования и результаты, включая материалы для независимой проверки, доступны здесь.
Цитата руководства Teradata
Подробная информация о компонентах Tera
Tera является частью платформы Teradata Autonomous Knowledge Platform и объединяет три специализированных компонента, которые можно использовать как вместе, так и по отдельности: Tera Context Engine для управления корпоративными знаниями, Tera Harness для интеллектуального исполнения и Tera Agents для экспертной специализации. Вместе они превращают Tera в «коллегу-агента», способного понимать бизнес, координировать необходимые ресурсы и помогать доводить работу с данными до конкретного результата. Организации сохраняют возможность выбирать используемые модели, места выполнения рабочих нагрузок и способы доступа к корпоративным данным в облачных, локальных и суверенных средах.
Tera выполняет ИИ-задачи непосредственно в среде Teradata, включая консоль Teradata для администраторов баз данных, запуская аналитические и ML-нагрузки прямо на корпоративных данных без внешних вызовов моделей. Это исключает перемещение данных и задержки, а также снижает риск галлюцинаций при выполнении количественных задач, таких как прогнозирование, регрессия и сегментация.
- *НОВИНКА* Tera Context Engine — это открытый, нейтральный уровень контекста и оркестрации, который работает поверх и между уже используемыми предприятиями средами данных. Он связывает базы данных, платформы структурированных и неструктурированных данных, движки конвейеров, каталоги, модели и ИИ-агентов без перемещения данных, замены существующих технологий или привязки к одному поставщику. Важно отметить, что Tera Context Engine не ограничивается данными, управляемыми Teradata, предоставляя организациям последовательную основу доверенных знаний независимо от того, где хранятся их данные. Собственный граф контекста (Native Context Graph): Преобразуя разрозненные корпоративные данные в повторно используемые бизнес-знания, Tera Context Engine связывает метаданные, происхождение (lineage), семантику и бизнес-смысл в виде отношений, а не просто сводит их к реляционным структурам. В отличие от обычных каталогов или онтологий, он сохраняет связь этих знаний с управлением, происхождением и контролем доступа при перемещении между системами и агентами. Он также считывает данные из существующих систем учета и записывает их обратно, постоянно обучаясь на реальных корпоративных сценариях и со временем требуя значительно меньше усилий для поддержания. Результатом является более полный и объяснимый контекст, а выводы ИИ получают подтверждение происхождения, которое организации могут понять и обосновать. Нейросимвольные модели: Новое предложение сочетает в себе автономное семантическое картирование и детерминированный поиск с моделями отраслевых знаний (Industry Knowledge Models) — результатом экспертных знаний Teradata, подтвержденных практикой работы с крупнейшими мировыми предприятиями. Вместо того чтобы заставлять агентов выстраивать бизнес-смысл с нуля, модели отраслевых знаний предоставляют символическую базу знаний, объединяющую явные корпоративные знания со статистическим ИИ, фиксируя специфическую терминологию, отношения, политики и условия эксплуатации, определяющие работу отрасли. Предприятия получают преимущество в виде меньшего количества ошибок агентов и более быстрого получения ценности. Детерминированная экономика запросов: Управляемый семантический контекст и детерминированный поиск смещают работу от дорогостоящих вероятностных рассуждений к управляемым путям исполнения, поэтому модели тратят меньше вызовов на установленные определения. Это обеспечивает более высокую точность, снижение затрат на логический вывод и более предсказуемую экономику по мере масштабирования агентских нагрузок. Что критически важно для регулируемых отраслей, результаты работы ИИ остаются проверяемыми и прослеживаемыми до исходных данных, поскольку информация о происхождении, политики доступа и средства контроля соответствия требованиям перемещаются вместе со знаниями по мере их прохождения через системы. Управляемая агентская автоматизация: Помимо предоставления контекста для ИИ, Tera Context Engine позволяет агентам действовать на основе этого проверенного контекста, автоматизируя создание продуктов данных, спецификации конвейеров и контрольные проверки, последовательно применяя корпоративные определения и политики. Результатом является более быстрая доставка доверенных продуктов данных с меньшими затратами на ручную подготовку и управление в масштабах всего предприятия.
Native Context Graph: Преобразуя разрозненные корпоративные данные в многократно используемые бизнес-знания, Tera Context Engine связывает метаданные, происхождение (lineage), семантику и бизнес-значения в виде взаимосвязей, а не сводит их к плоским реляционным структурам. В отличие от обычных каталогов или онтологий, он сохраняет связь этих знаний с управлением, происхождением и контролем доступа при их перемещении между системами и агентами. Он также считывает данные из существующих систем учета и записывает их обратно, постоянно обучаясь на реальном корпоративном использовании и совершенствуясь со временем при значительно меньших усилиях человека на обслуживание. Результатом является более полный и объяснимый контекст с результатами ИИ, которые имеют прозрачное происхождение, понятное и обоснованное для организаций.
Neurosymbolic Models: Новое предложение сочетает в себе автономное семантическое сопоставление и детерминированный поиск с Industry Knowledge Models — продуктом подтвержденного экспертами опыта Teradata и взаимодействия с крупнейшими мировыми предприятиями. Вместо того чтобы требовать от агентов выстраивать бизнес-смысл с нуля, Industry Knowledge Models предоставляют символьный фундамент знаний, который объединяет явные корпоративные знания со статистическим ИИ, фиксируя специфическую терминологию, взаимосвязи, политики и условия работы, определяющие функционирование отрасли. Предприятия получают преимущество в виде меньшего количества ошибок агентов и более быстрого достижения ценности.
Deterministic Query Economics: Управляемый семантический контекст и детерминированный поиск переносят работу с дорогостоящих вероятностных рассуждений на управляемые пути выполнения, поэтому модели тратят меньше вызовов на установленные определения. Это обеспечивает более высокую точность, более низкие затраты на инференс и более предсказуемую экономику по мере масштабирования агентских рабочих нагрузок. Что критически важно для регулируемых отраслей, результаты ИИ остаются проверяемыми и отслеживаемыми до исходных данных, поскольку происхождение, политики доступа и средства контроля соответствия перемещаются вместе со знаниями между системами.
Governed Agentic Automation: Помимо предоставления контекста для использования ИИ, Tera Context Engine позволяет агентам действовать на основе управляемого контекста, автоматизируя создание информационных продуктов, спецификации конвейеров и средства контроля валидации, последовательно применяя корпоративные определения и политики. Результатом является более быстрая доставка доверенных информационных продуктов с меньшими затратами на ручную подготовку и управление в масштабах предприятия.
- *НОВИНКА* Tera Harness: В отличие от агентов общего назначения, которые генерируют ответы и оставляют пользователям право действовать на их основе, Tera Harness превращает намерения в результаты. Он сохраняет контекст в рабочих процессах и координирует нужные навыки, инструменты, данные и модели на каждом этапе без ручной маршрутизации. Cost-Optimized Loop: Tera Harness ограничивает непродуктивные итерации до того, как они превратятся в затраты, группируя независимую работу, удаляя взаимодействия моделей и инструментов, которые не улучшают результат, и ограничивая выполнение на основе прогресса задачи. Вместо того чтобы полагаться на повторяющиеся рассуждения LLM на каждом этапе, Tera применяет 84 проверенных паттерна выполнения перед инференсом, поэтому агенты начинают с плана выполнения. Результатом является управляемая многоэтапная работа, которая надежно завершается в масштабах предприятия без бесконечных итераций модели. Loop-Embedded Guardrails: Перед началом выполнения Tera Harness применяет защитные барьеры перед инференсом, загружает соответствующую память и планирует предстоящую работу. Безопасность, контроль политик и одобрение человеком встроены непосредственно в цикл агента, блокируя действия с высоким риском до их выполнения. В отличие от стандартных агентов, которые полагаются на самоконтроль или внешние фильтры, Tera обеспечивает управление в момент выполнения, защищая от несанкционированных действий и деструктивных операций. Go-Native Performance Core: Tera Harness построен на движке Go-native и gRPC для обеспечения высокопараллельного выполнения агентов и связи с низкой задержкой. Там, где стандартные агентские фреймворки запускают каждого агента как отдельный процесс, увеличивая затраты на инфраструктуру и задержку при масштабировании, Tera поддерживает 512 параллельных агентов на одной виртуальной машине с 8 vCPU, обслуживая 279 вызовов инструментов в минуту. Это означает, что предприятия могут масштабировать агентские рабочие нагрузки без роста затрат на инфраструктуру и спирали задержек, которые другие фреймворки привносят с каждым добавленным агентом. Durable Agentic Execution: По мере выполнения Teradata Harness отслеживает прогресс, восстанавливается после сбоев, а не бросает задачи, и обеспечивает полную наблюдаемость того, как была выполнена работа. Управление состоянием и контрольные точки встроены непосредственно в уровень среды выполнения, поэтому агенты могут работать в течение нескольких дней или недель, приостанавливаться для одобрения человеком при нулевых затратах на вычисления и возобновлять работу именно с того места, где они остановились после сбоев инфраструктуры. В отличие от большинства агентских фреймворков, которым требуется отдельный уровень оркестрации для выживания при сбоях при продолжении потребления облачных ресурсов во время длительного ожидания, Tera обеспечивает отказоустойчивость нативно. Для предприятий, управляющих ИИ в масштабе, это напрямую означает меньшее количество вызовов моделей на результат, более низкую стоимость токенов, лучшую точность и более быстрое завершение.
Cost-Optimized Loop: Tera Harness ограничивает непродуктивные итерации до того, как они превратятся в затраты, группируя независимую работу, удаляя взаимодействия моделей и инструментов, которые не улучшают результат, и ограничивая выполнение на основе прогресса задачи. Вместо того чтобы полагаться на повторяющиеся рассуждения LLM на каждом этапе, Tera применяет 84 проверенных паттерна выполнения перед инференсом, поэтому агенты начинают с плана выполнения. Результатом является управляемая многоэтапная работа, которая надежно завершается в масштабах предприятия без бесконечных итераций модели.
Loop-Embedded Guardrails: Перед началом выполнения Tera Harness применяет защитные барьеры перед инференсом, загружает соответствующую память и планирует предстоящую работу. Безопасность, контроль политик и одобрение человеком встроены непосредственно в цикл агента, блокируя действия с высоким риском до их выполнения.
Go-Native Performance Core: Tera Harness построен на движке Go-native и gRPC для обеспечения высокопараллельного выполнения агентов и связи с низкой задержкой. Там, где стандартные агентские фреймворки запускают каждого агента как отдельный процесс, увеличивая затраты на инфраструктуру и задержку при масштабировании, Tera поддерживает 512 параллельных агентов на одной виртуальной машине с 8 vCPU, обслуживая 279 вызовов инструментов в минуту. Это означает, что предприятия могут масштабировать агентские рабочие нагрузки без роста затрат на инфраструктуру и спирали задержек, которые другие фреймворки привносят с каждым добавленным агентом.
Надежное агентное выполнение: по мере выполнения задач Teradata Harness отслеживает прогресс, восстанавливается после сбоев, а не прерывает работу, и обеспечивает полную наблюдаемость того, как была выполнена задача. Управление состоянием и создание контрольных точек встроены непосредственно в уровень среды выполнения, поэтому агенты могут работать днями или неделями, приостанавливаться для получения одобрения человека без затрат вычислительных ресурсов и возобновлять работу с того же места после сбоев инфраструктуры. В отличие от большинства агентных фреймворков, которым требуется отдельный уровень оркестрации для преодоления сбоев при сохранении потребления облачных ресурсов во время длительных ожиданий, Tera обеспечивает надежность нативно.
- *НОВИНКА* Навыки агентов (Agent Skills) — это повторно используемые, специализированные возможности, которые упаковывают десятилетия знаний Teradata в функции, вызываемые ИИ. Они могут быть вызваны любым агентом или Harness, а также доступны пользователям напрямую через естественный язык, что делает передовую работу с данными и платформой доступной без необходимости глубокой технической специализации. Вместо того чтобы рассуждать с нуля, модели получают четкие рекомендации для выполнения стандартных задач по работе с данными и платформой, что повышает согласованность и снижает риск отклонения от курса. Навыки загружаются автоматически в зависимости от текущей задачи, а Tera направляет каждую из них к нужным моделям и инструментам. Подключение MCP позволяет организациям расширять возможности Tera с помощью собственных инструментов и интеграций. Tera включает две категории специализированных агентов Tera, использующих эти навыки. Агенты платформы (Platform Agents) выполняют операционную работу по управлению средой Teradata, включая настройку рабочих нагрузок, определение размера вычислительных ресурсов, телеметрию и FinOps. Агенты аналитики (Analytics Agents) решают задачи по работе с данными напрямую: от естественного языка до SQL и Python, а также оптимизации запросов.
Tera включает две категории специализированных агентов Tera, использующих эти навыки. Агенты платформы (Platform Agents) выполняют операционную работу по управлению средой Teradata, включая настройку рабочих нагрузок, определение размера вычислительных ресурсов, телеметрию и FinOps. Агенты аналитики (Analytics Agents) решают задачи по работе с данными напрямую: от естественного языка до SQL и Python, а также оптимизации запросов.
Сервисы ИИ Teradata
Для организаций, стремящихся ускорить развертывание, сервисы ИИ Teradata (Teradata AI Services) призваны помочь клиентам избежать ловушки экспериментирования и перейти непосредственно к производственным результатам. Сервисы ИИ помогают определить варианты использования, где контекст с управлением создаст измеримую ценность, настроить отраслевые модели знаний (Industry Knowledge Models) и быстрее внедрить корпоративные знания в производство на базе Tera. Методология AI Value Engineering от Teradata гарантирует, что программы ИИ проектируются и разрабатываются для готовности к эксплуатации, а не для экспериментов, а предварительно разработанные агенты и инструменты, созданные для каждого этапа жизненного цикла разработки ИИ, ускоряют получение ценности для клиентов.
Информация о доступности
Tera Context Engine, Tera Harness и Agent Skills будут доступны в четвертом квартале 2026 года.
Заявления о перспективах
Данный пресс-релиз содержит «заявления о перспективах» относительно ожиданий, убеждений, планов и намерений в отношении Tera, включая Tera Context Engine, Tera Harness и Agent Skills. Такие заявления включают утверждения о будущей доступности продуктов, возможностях и предложениях, а также ожидаемых выгодах для клиентов Teradata. Заявления о перспективах подвержены известным и неизвестным рискам и неопределенностям и основаны на потенциально неточных предположениях, которые могут привести к тому, что фактические результаты будут существенно отличаться от ожидаемых или подразумеваемых в заявлениях о перспективах. Если какой-либо из таких рисков или неопределенностей материализуется или если какое-либо из предположений окажется неверным, результаты Teradata могут существенно отличаться от результатов, выраженных или подразумеваемых в сделанных заявлениях о перспективах. Teradata не берет на себя обязательств и не намерена обновлять заявления о перспективах. Факторы, которые могут привести к тому, что фактические результаты будут существенно отличаться от тех, что указаны в любых заявлениях о перспективах, включают: (i) задержки, непредвиденные трудности и расходы при реализации запланированных возможностей и предложений продуктов, (ii) изменения в нормативно-правовой базе, связанной с ИИ, и (iii) неопределенность относительно того, оправдает ли внедрение клиентами инвестиции в возможности и предложения продуктов. Дополнительная информация о факторах, которые могут повлиять на финансовые и другие результаты Teradata, содержится в документах, которые Teradata время от времени подает в Комиссию по ценным бумагам и биржам.
Teradata дает предприятиям возможность превращать интеллект в автономные действия, основывая ИИ-агентов на глубоком бизнес-контексте и доверенных данных. По мере роста числа ИИ-агентов Teradata становится фундаментом контекста, уровнем управления и основой производительности, которые необходимы компаниям прямо сейчас. Платформа Teradata Autonomous Knowledge Platform внедряет ИИ в производство в облачных, локальных и гибридных средах. Узнайте больше на Teradata.com.
