博客
汇集技术深度解读、产品动态与最佳实践，持续分享 Data + AI 领域的工程洞察
湾区论“智”｜矩阵起源受邀亮相第三届湾区CIO论坛
矩阵起源创始人兼 CEO 王龙受邀出席第三届湾区 CIO 论坛，分享企业 AI 从模型智能迈向产业级智能的关键路径与实践。
湾区论“智”｜矩阵起源受邀亮相第三届湾区CIO论坛
矩阵起源、汉得信息、中鼎集团共建 AI Factory，打造全球化智能制造新样板
矩阵起源、汉得信息、中鼎集团共建 AI Factory，打造全球化智能制造新样板
矩阵起源、汉得信息与中鼎集团共同启动 AI Factory 项目，围绕数据与智能底座、企业级 AI 应用和生产级软件技术栈，打造可持续生长、可全球复制的智能制造新范式。
AI 原生组织实践：从 FDE 到 FDB，再到 OPC 虚拟孵化器
AI 原生组织实践：从 FDE 到 FDB，再到 OPC 虚拟孵化器
MatrixOrigin 分享从 FDE 到 Forward Deployed Builder（FDB）的组织实践，并探讨 AI 如何放大个人能力、推动 Builder 成为嵌入组织的 OPC。文章进一步提出，AI 原生组织应成为 Builder、项目与新业务的虚拟孵化器。
矩阵起源入选 2026 年度 Gartner® 数据管理领域最具创新力厂商
矩阵起源入选 2026 年度 Gartner® 数据管理领域最具创新力厂商
矩阵起源入选 2026 年 Gartner®《数据管理领域最具创新力厂商》报告，并成为报告收录的四家公司中唯一一家来自中国的企业。MatrixOne Intelligence 通过统一数据、AI 工作流、智能体运行时与持久化记忆，为企业构建可信、可控的 AI 应用底座。
喜报丨矩阵起源荣获2026深圳市“潜在独角兽企业”称号
喜报丨矩阵起源荣获2026深圳市“潜在独角兽企业”称号
矩阵起源在2026中国（深圳）独角兽企业大会上荣获“潜在独角兽企业”称号，标志着公司的技术创新实力、成长潜力与市场价值再次获得权威认可。
矩阵起源完成超千万美元A轮融资，产业资本与国际资本联手押注企业级AI基础设施赛道
矩阵起源完成超千万美元A轮融资，产业资本与国际资本联手押注企业级AI基础设施赛道
矩阵起源宣布完成超千万美元A轮融资，本轮由汉得信息参与投资的基金、亚康股份与 Artesian Venture Partners 共同注资。资金将用于 MatrixOne Intelligence 平台研发迭代、全球市场拓展及智能体规模化落地。
MatrixOne Git4Data 技术详解（十三）·Agent 篇：Memory——从行业方案到可治理的长期记忆
MatrixOne Git4Data 技术详解（十三）·Agent 篇：Memory——从行业方案到可治理的长期记忆
Agent Memory 不是更长的上下文，而是 Agent 跨任务持续工作的状态层。本文从 Memory 的定义与价值出发，梳理提示词文件、对话摘要、向量检索、结构化存储和平台内建记忆等行业方案，再介绍如何在 MatrixOne 上利用结构化数据、混合检索，以及它的 Git4Data 能力所提供的分支、DIFF、快照和回滚，构建可检索、可审计、可恢复的长期记忆。
MatrixOne Git4Data 技术详解（十二）·大模型篇：RLHF 偏好数据——分歧、裁决与可复现
MatrixOne Git4Data 技术详解（十二）·大模型篇：RLHF 偏好数据——分歧、裁决与可复现
Git4Data 系列（十二），大模型篇：偏好数据的单位不是行而是对，而且不是采集来的、是从标注投票算出来的二阶数据——RLHF 与 DPO 两条路线共用同一份。本文用 20000 个 prompt 的偏好池，从 63000 条投票推导偏好对，在分支上审计退化对、无共识、偏好环与长度偏置，DIFF 出这一轮的净变更，用分支裁决标注分歧、合并前先把冲突清单物化下来，最后先登记后快照把数据集与奖励模型绑成可复现的一对。SQL 在 MatrixOne 4.1.0 上实测，全部确定性可复现。
MatrixOne Git4Data 技术详解（十一）·大模型篇：SFT 数据 curation——可审计、可复现的数据清洗
MatrixOne Git4Data 技术详解（十一）·大模型篇：SFT 数据 curation——可审计、可复现的数据清洗
Git4Data 系列（十一），大模型篇：SFT 的数据量比预训练小好几个数量级，每一次取舍都印在模型行为上。本文用一个对话模型的 SFT 数据池，在零拷贝分支上完整走一遍 curation——精确去重、近重复、质量门、安全、评测去污染、多轮对话完整性六步过滤，每步先计数，DATA BRANCH DIFF 给出这一轮的净变更，再按先登记、后替换、再快照的顺序发布；并对比业内其他做法。SQL 在 MatrixOne 4.1.0 上实测。
MatrixOne Git4Data 技术详解（十）·深度学习篇：训练数据怎么管——lakeFS 管文件，MatrixOne 管元数据
MatrixOne Git4Data 技术详解（十）·深度学习篇：训练数据怎么管——lakeFS 管文件，MatrixOne 管元数据
Git4Data 系列（十），深度学习篇：文件型（图像等）训练数据分成两个世界——图/音/视频文件交给 lakeFS，指针/标签/哈希/切分组成的元数据交给 MatrixOne。以训练一个图像分类模型为例，用 SQL 在元数据上完成接入(WAP)、精确+感知去重、评测去污染、完整性检查、重标注、data curation 发布，并用「元数据快照 × lakeFS commit」钉成可复现训练集；lakeFS + MatrixOne 端到端脚本已实测。SQL 在 MatrixOne 4.1.0 上实测。
MatrixOne Git4Data 技术详解（九）·AI 训练实践篇：数据集发布与泄漏——别让离线指标骗了你
MatrixOne Git4Data 技术详解（九）·AI 训练实践篇：数据集发布与泄漏——别让离线指标骗了你
Git4Data 系列（九）：训练/验证/测试集的切分，是决定离线评估可不可信的一步。以一个风控模型为例，用 SQL 检测并防住时间、实体、重复、预处理、目标五类数据泄漏；再用库级快照把样本与切分清单一起冻结成可复现、可审计、可回退的版本，并对比业内其他做法。SQL 在 MatrixOne 4.1.0 上实测。
MatrixOne Git4Data 技术详解（八）·AI 训练实践篇：从数据进入到模型迭代——Git4Data 能力如何贯穿机器学习全流程
MatrixOne Git4Data 技术详解（八）·AI 训练实践篇：从数据进入到模型迭代——Git4Data 能力如何贯穿机器学习全流程
Git4Data 系列（八），AI 训练实践篇开篇：先建立机器学习全流程的坐标系。从数据接入、质量门禁、清洗标注、特征工程、训练/验证/测试集发布、模型评估，到上线监控与反馈重训，逐环节说明 snapshot、branch、diff、merge、cherry-pick、restore 与 PITR 能解决什么、不能解决什么，并以一个持续迭代的风控模型完整串联。配套脚本在 MatrixOne 4.1.0 上实测。
投标团队最苦的活，我们用 AI Agent 重做了一遍
投标团队最苦的活，我们用 AI Agent 重做了一遍
介绍 MatrixOrigin 如何将招标 Excel 解析、企业知识库检索、逐条技术应答、证据引用、人工审核与结果回填整合为一套可验证、可追溯、可持续迭代的投标 Agent 工作流，并通过金标数据集、回归测试和可观测体系持续提升投标应答的准确率与处理效率。