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
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。
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。
Agent 正在成为新的“智能手机”和“智能汽车”
Agent 正在成为新的“智能手机”和“智能汽车”
Agent 正在重演智能手机、智能汽车的数量曲线，很快会超过人。但真正被低估的资产，是每个 Agent 不停产生的 Agent Trace——PB 级、高强度、现有系统被迫丢掉 86% 的数据。为什么 Trace 是纠错、记忆、训练的数据飞轮，以及企业为什么需要一层为 Trace 而建的数据基础设施。
MatrixOne Git4Data 技术详解（七）·数据运维实践篇：Write-Audit-Publish——给 ETL 流水线装一道发布门禁
MatrixOne Git4Data 技术详解（七）·数据运维实践篇：Write-Audit-Publish——给 ETL 流水线装一道发布门禁
Git4Data 系列（七），数据运维实践篇收官：Write-Audit-Publish（WAP）。新数据先落 staging 分支、跑一组 SQL 审计门禁、再一次原子 MERGE 发布——脏批次在门口就被拦下，生产表全程零感知。含真实场景、三步落地、以及和直接灌/蓝绿改名/staging+INSERT/事务/DQ 工具等方案的详细对比。全部 SQL 在 MatrixOne 4.0.0-rc3 上实测。
MatrixOne Git4Data 技术详解（六）·数据运维实践篇：数据协作开发——像合并代码一样合并数据
MatrixOne Git4Data 技术详解（六）·数据运维实践篇：数据协作开发——像合并代码一样合并数据
Git4Data 系列（六），数据运维主题：数据协作开发。多个人要同时改同一张表时怎么办——多人并行清洗主数据、把数据改动做成可评审的 PR、在分支上开发大改造而主线照常服务——用每人一条分支、行级 DIFF 评审、三方 MERGE、冲突策略（FAIL/SKIP/ACCEPT）与 cherry-pick 实现。全部 SQL 在 MatrixOne 4.0.0-rc3 上实测。
MatrixOne Git4Data 技术详解（五）·数据运维实践篇：误操作急救——从手滑 UPDATE 到误删整表，都能秒级回退
MatrixOne Git4Data 技术详解（五）·数据运维实践篇：误操作急救——从手滑 UPDATE 到误删整表，都能秒级回退
Git4Data 系列（五），实践篇第一站「数据运维」：一份误操作急救手册。用一张订单表把四类最常见事故从头走一遍——手滑 UPDATE、ETL 跑错、应用 bug 慢性脏写、误删整表——讲清事前快照、行级 DIFF 看清损失、整表回滚 vs 定点修复、以及 PITR 兜底。全部 SQL 在 MatrixOne 4.0.0-rc3 上实测。
MatrixOne Git4Data 技术详解（四）：数据版本控制全景——MatrixOne、lakeFS、DVC、Neon、Dolt 到底有什么不同
MatrixOne Git4Data 技术详解（四）：数据版本控制全景——MatrixOne、lakeFS、DVC、Neon、Dolt 到底有什么不同
Git4Data 系列（四）：画一张数据版本控制的全景地图。'git for data' 这个词被 DVC / Git LFS、lakeFS、Iceberg / Delta + Nessie、Snowflake / Neon、Dolt 一起用，但它们说的并不是同一件事。本文用五个问题立框架，按版本控制所在的层次分成四个种类（每类配一张架构图），再用一张 git 原语完整度矩阵把各家的 git 语义对齐，最后标定 MatrixOne 的准确坐标与诚实边界。