<p>流媒体数据专家 Confluent 于周二推出了 Confluent Cloud 和 Confluent Intelligence 的新功能，旨在更好地帮助客户构建和保护由实时信息驱动的 AI 应用程序。</p>
<p>在该供应商于伦敦举行的用户大会上揭晓的新功能包括一个完全托管的 模型上下文协议（MCP）服务器，该服务器作为开发人员和代理构建和管理 AI 流媒体操作的控制中心，使用自然语言，并具备内置的机器学习能力，可以检测和删除 Confluent 的 Apache Flink 流媒体引擎中的 个人身份信息（PII）。</p>
<p>此外，Confluent 的新功能还包括对开源 Agent Skills 框架的支持，以为 AI 驱动的操作添加最佳实践，支持新的大型语言模型，以及对 Amazon DynamoDB 的向量搜索的支持。</p>
<p>根据 Omdia（Informa TechTarget 的一个部门）分析师 Stephen Catanzano 的说法，企业在将 AI 项目投入生产时面临的两个最大障碍是与敏感数据（如 PII）相关的安全性和管理 流媒体数据基础设施 的操作复杂性。</p>
<p>鉴于 Confluent 的新功能专注于这些成功 AI 开发的障碍，它们是重要的补充。</p>
<p>“它们直接解决了阻碍 AI 项目投入生产的两个最大障碍，” Catanzano 说。“通过嵌入自动化的 PII 删除和私密连接，以及自然语言操作，Confluent 实际上消除了导致八成公司在扩展 AI 时遇到困难的摩擦。”</p>
<p>Confluent 成立于 2014 年，旨在商业化开源 Apache Kafka 流媒体平台，总部位于加利福尼亚州山景城，最近被科技巨头 IBM收购，以将流媒体数据能力添加到其 AI 开发平台中。</p>
<h2>精简 AI 的流媒体</h2>
<p>企业继续 投资于 AI 开发， 但也继续 努力构建可信赖的 AI 工具，以便能够投入生产。</p>
<p>作为回应，许多数据管理和分析供应商——包括 Databricks、MongoDB 和 Tableau 等——最近推出了旨在改善 AI 管道及其为 AI 应用提供数据的工具，以使输出更准确，并使这些工具在生产中更具可信度。</p>
<blockquote>
<p>这些功能是开发人员在构建和管理代理应用程序时向前迈出的一步。虽然它们并没有使 Confluent 在市场上脱颖而出，但确实帮助其保持竞争力。<strong>Kevin Petrie</strong> BARC 美国分析师。</p>
</blockquote>
<p>现在，Confluent 同样增加了旨在完善 AI 开发的新功能，其战略受到客户反馈的影响，供应商的 AI 负责人 Sean Falconer 表示。</p>
<p>“很大一部分直接来自客户，” 他说，并指出客户在构建 AI 应用程序时面临的最大挑战不再与 AI 模型相关，而是与为 AI 应用提供数据的可访问性和相关性有关。“我们看到团队在尝试将 AI 投入运营时对实时数据的需求不断增长，尤其是在使实时数据更易于使用和更易于保护方面。”</p>
<p>特别是，开发 完全托管的 MCP 服务器和增加对 Agent Skills 的支持是受到与用户互动的推动，Falconer 继续说道。</p>
<p>“我们看到我们的开源 MCP 服务器被广泛采用，” 他说。“客户已经在使用它通过 AI 工具管理和排除流媒体基础设施的问题，因此下一个合乎逻辑的步骤是为他们提供一个在生产中更易于使用的完全托管体验。”</p>
<p>Confluent Intelligence 和 Confluent Cloud 中的具体新功能包括：</p>
<ul>
<li>完全托管的 MCP 服务器和对 Agent Skills 的支持，以管理实时 AI 工具的流媒体数据。</li>
<li>在 Flink SQL 中自动检测和删除 PII。</li>
<li>与 Microsoft Azure 托管服务的安全连接，支持 Azure Private Link。</li>
<li>一个开源适配器，将 Confluent Cloud 上的 Flink SQL 与 DBT Labs 集成，以便数据工程师可以使用熟悉的框架轻松构建和管理流媒体数据管道。</li>
<li>支持来自 Anthropic 和 Fireworks AI 的新 AI 模型，以构建实时 AI 应用程序。</li>
<li>支持在 Amazon DynamoDB 上进行向量搜索，以扩展 Confluent 的生态系统。</li>
</ul>
<p>总体而言，Confluent 的新功能虽然并没有实质性地区分 Confluent 与提供 AI 开发能力的竞争供应商，但根据 BARC 美国分析师 Kevin Petrie 的说法，保持了 Confluent 的竞争力。</p>
<p>“我确实相信这些功能是开发人员在构建和管理代理应用程序时向前迈出的一步，” 他说。“虽然它们并没有使 Confluent 在市场上脱颖而出，但确实帮助其保持竞争力。”</p>
<p>佩特里继续指出，新的能力中最关键的可能是自动化的个人身份信息（PII）检测和编辑，他提到他的公司的研究显示，采用人工智能的企业将数据隐私置于负责任的人工智能框架的所有其他方面之上。</p>
<p>他说：“Confluent 在 Flink 中对 PII 的自动化编辑有助于执行隐私政策，并满足 GDPR 或 CCPA 等监管要求，同时保持人工智能通常所需的实时服务水平。”</p>
<p>此外，佩特里指出，支持 Agent Skills——最初由 Anthropic 开发并于 2025 年 12 月开源——可能会给 Confluent 带来暂时的优势。</p>
<p>他说：“Confluent 在支持 Agent Skills 方面具有一定的早期优势，这些技能正迅速成为为人工智能应用提供所需上下文的必备开放格式。”</p>
<p>与佩特里一样，卡坦扎诺也强调了自动化 PII 检测和编辑的价值。</p>
<p>他说：“这解决了安全团队在决定是否允许数据进入人工智能管道时面临的根本障碍。这个单一的能力可以解锁在医疗保健和金融服务等受监管行业中以前被禁止的整个用例。”</p>
<p>卡坦扎诺继续表示，这些新功能的逻辑构建旨在帮助客户更有效地构建和保护实时人工智能工具。然而，模型监控和 MLOps 能力并未包含在内，这可能会帮助客户在继续投资人工智能开发时。</p>
<p>卡坦扎诺说：“他们在数据层和安全控制方面投入了大量精力，但他们没有解决模型监控、漂移检测或其他困扰生产人工智能系统的 MLOps 问题。[然而]，考虑到他们专注于成为流媒体基础而不是完整的人工智能平台，这可能是故意的。”</p>
<h2>展望未来</h2>
<p>根据法尔科纳的说法，Confluent 在未来的产品开发中，继续增加和增强帮助企业将人工智能项目大规模投入生产的功能仍然是一个重点。</p>
<p>他说：“你将继续看到我们在 MCP、Agent Skills、代理和实时上下文交付等领域进行投资，以便开发人员能够更轻松地构建与当前业务动态保持连接的人工智能应用和代理。行业的许多人意识到，人工智能的价值仅与其背后上下文的质量和新鲜度相关。”</p>
<p>法尔科纳继续表示，安全性和治理也是优先事项。</p>
<p>他说：“企业希望在人工智能方面更快推进，但他们也需要确信敏感数据受到保护，并且这些系统在正确的控制和政策下运行，因此我们关注的一个重要部分是使安全、受治理的实时数据访问成为平台的内置部分。”</p>
<p>卡坦扎诺指出，从竞争的角度来看，Confluent 提供了比 Kafka 和其他一些竞争平台更广泛的流媒体、治理和人工智能原生功能组合。为了继续与同行区分开来，卡坦扎诺建议 Confluent 增加预构建的能力，例如行业特定模板，以进一步简化实时人工智能应用的开发。</p>
<p>他说：“他们可以通过创建行业特定模板和针对常见人工智能用例（如欺诈检测、个性化、预测性维护）的预构建流媒体管道进一步区分自己，这些模板将他们的治理、连接性和代理能力结合成交钥匙解决方案，从而减少受监管行业新客户的价值实现时间。”</p>
<p><em>Eric Avidon 是 Informa TechTarget 的高级新闻撰稿人，拥有超过三十年的记者经验。他报道分析和数据管理领域的内容。</em></p>

CFLT

<p>Confluent 推出了 Confluent Cloud 和 Confluent Intelligence 的新功能，以增强使用实时数据进行 AI 应用开发的能力。主要更新包括一个完全托管的模型上下文协议服务器、自动化的个人身份信息（PII）检测和编辑，以及对新 AI 模型的支持。这些进展旨在解决 AI 项目中的安全和运营挑战，帮助企业扩大其 AI 计划。尽管这些功能在市场上并没有显著区分 Confluent，但它们使公司在不断发展的 AI 领域保持竞争力</p>

<p>Streaming data specialist Confluent on Tuesday introduced new features for Confluent Cloud and Confluent Intelligence aimed at better enabling customers to build and secure AI applications fueled by real-time information.</p>
<div class="lb-trans"><p>流媒体数据专家 Confluent 于周二推出了 Confluent Cloud 和 Confluent Intelligence 的新功能，旨在更好地帮助客户构建和保护由实时信息驱动的 AI 应用程序。</p>
</div><p>Revealed at the vendor's user conference in London, they include a fully managed Model Context Protocol (MCP) Server that acts as a control center for developers and agents to build and manage streaming operations for AI using natural language, and built-in machine learning capabilities that detect and redact personally identifiable information (PII) in Confluent's Apache Flink streaming engine.</p>
<div class="lb-trans"><p>在该供应商于伦敦举行的用户大会上揭晓的新功能包括一个完全托管的 模型上下文协议（MCP）服务器，该服务器作为开发人员和代理构建和管理 AI 流媒体操作的控制中心，使用自然语言，并具备内置的机器学习能力，可以检测和删除 Confluent 的 Apache Flink 流媒体引擎中的 个人身份信息（PII）。</p>
</div><p>In addition, new Confluent capabilities include support for the open source Agent Skills framework to add best practices for AI-powered operations, support for new large language models, and support for vector search on Amazon DynamoDB.</p>
<div class="lb-trans"><p>此外，Confluent 的新功能还包括对开源 Agent Skills 框架的支持，以为 AI 驱动的操作添加最佳实践，支持新的大型语言模型，以及对 Amazon DynamoDB 的向量搜索的支持。</p>
</div><p>Two of the biggest barriers enterprises face when trying to move AI projects into production are security related to sensitive data such as PII and the operational complexity of managing streaming data infrastructures, according to Stephen Catanzano, an analyst at Omdia, a division of Informa TechTarget.</p>
<div class="lb-trans"><p>根据 Omdia（Informa TechTarget 的一个部门）分析师 Stephen Catanzano 的说法，企业在将 AI 项目投入生产时面临的两个最大障碍是与敏感数据（如 PII）相关的安全性和管理 流媒体数据基础设施 的操作复杂性。</p>
</div><p>Given that Confluent's new capabilities focus on those barriers to successful AI development, they are significant additions.</p>
<div class="lb-trans"><p>鉴于 Confluent 的新功能专注于这些成功 AI 开发的障碍，它们是重要的补充。</p>
</div><p>&#34;They directly address the two biggest barriers preventing AI projects from reaching production,&#34; Catanzano said. &#34;By embedding automated PII redaction and private connectivity alongside natural language operations, Confluent is essentially removing the friction that causes eight in ten companies to struggle with scaling AI.&#34;</p>
<div class="lb-trans"><p>“它们直接解决了阻碍 AI 项目投入生产的两个最大障碍，” Catanzano 说。“通过嵌入自动化的 PII 删除和私密连接，以及自然语言操作，Confluent 实际上消除了导致八成公司在扩展 AI 时遇到困难的摩擦。”</p>
</div><p>Founded in 2014 to commercialize the open source Apache Kafka streaming platform and based in Mountain View, Calif., Confluent was recently acquired by tech giant IBM to add streaming data capabilities to its AI development platform.</p>
<div class="lb-trans"><p>Confluent 成立于 2014 年，旨在商业化开源 Apache Kafka 流媒体平台，总部位于加利福尼亚州山景城，最近被科技巨头 IBM收购，以将流媒体数据能力添加到其 AI 开发平台中。</p>
</div><h2>Streamlining streaming for AI</h2>
<div class="lb-trans"><h2>精简 AI 的流媒体</h2>
</div><p>Enterprises continue to invest in AI development, but also continue to struggle to build AI tools that can be trusted enough to move into production.</p>
<div class="lb-trans"><p>企业继续 投资于 AI 开发， 但也继续 努力构建可信赖的 AI 工具，以便能够投入生产。</p>
</div><p>In response, many data management and analytics vendors -- including Databricks, MongoDB and Tableau, among others -- have recently introduced tools aimed at improving AI pipelines and the data they feed AI applications so that outputs are more accurate and the tools can be trusted in production.</p>
<div class="lb-trans"><p>作为回应，许多数据管理和分析供应商——包括 Databricks、MongoDB 和 Tableau 等——最近推出了旨在改善 AI 管道及其为 AI 应用提供数据的工具，以使输出更准确，并使这些工具在生产中更具可信度。</p>
</div><blockquote>
<p>These capabilities are a nice step forward for developers as they build and govern agentic applications. While they don't differentiate Confluent in the market, they do help it stay competitive. <strong>Kevin Petrie</strong> Analyst, BARC U.S.</p>
</blockquote>
<div class="lb-trans"><blockquote>
<p>这些功能是开发人员在构建和管理代理应用程序时向前迈出的一步。虽然它们并没有使 Confluent 在市场上脱颖而出，但确实帮助其保持竞争力。<strong>Kevin Petrie</strong> BARC 美国分析师。</p>
</blockquote>
</div><p>Now Confluent is similarly adding new capabilities aimed at refining AI development with its strategy shaped by customer feedback, according to Sean Falconer, the vendor's head of AI.</p>
<div class="lb-trans"><p>现在，Confluent 同样增加了旨在完善 AI 开发的新功能，其战略受到客户反馈的影响，供应商的 AI 负责人 Sean Falconer 表示。</p>
</div><p>&#34;A big part of it came directly from customers,&#34; he said, noting that the biggest challenges customers face when building AI applications no longer relate to AI models, but instead relate to the accessibility and relevancy of the data informing AI applications. &#34;We saw growing demand from teams trying to operationalize AI, especially around making real-time data easier to work with and easier to secure.&#34;</p>
<div class="lb-trans"><p>“很大一部分直接来自客户，” 他说，并指出客户在构建 AI 应用程序时面临的最大挑战不再与 AI 模型相关，而是与为 AI 应用提供数据的可访问性和相关性有关。“我们看到团队在尝试将 AI 投入运营时对实时数据的需求不断增长，尤其是在使实时数据更易于使用和更易于保护方面。”</p>
</div><p>In particular, developing the fully managed MCP server and adding support for Agent Skills were motivated by interactions with users, Falconer continued.</p>
<div class="lb-trans"><p>特别是，开发 完全托管的 MCP 服务器和增加对 Agent Skills 的支持是受到与用户互动的推动，Falconer 继续说道。</p>
</div><p>&#34;We saw strong adoption of our open source MCP server,&#34; he said. &#34;Customers were already using it to manage and troubleshoot streaming infrastructure through AI tools, so the next logical step was giving them a fully managed experience that's easier to use in production.&#34;</p>
<div class="lb-trans"><p>“我们看到我们的开源 MCP 服务器被广泛采用，” 他说。“客户已经在使用它通过 AI 工具管理和排除流媒体基础设施的问题，因此下一个合乎逻辑的步骤是为他们提供一个在生产中更易于使用的完全托管体验。”</p>
</div><p>Specific new capabilities in Confluent Intelligence and Confluent Cloud include the following:</p>
<div class="lb-trans"><p>Confluent Intelligence 和 Confluent Cloud 中的具体新功能包括：</p>
</div><ul>
<li>The fully managed MCP server and support for Agent Skills to manage streaming data for real-time AI tools.</li>
<li>Automated PII detection and redaction in Flink SQL.</li>
<li>Secure connectivity to Microsoft Azure-hosted services with support for Azure Private Link.</li>
<li>An open source adapter that integrates Flink SQL on Confluent Cloud with DBT Labs so data engineers can easily build and manage streaming data pipelines using a familiar framework.</li>
<li>Support for new AI models from Anthropic and Fireworks AI to build real-time AI applications.</li>
<li>Support for vector search on Amazon DynamoDB to expand Confluent's ecosystem.</li>
</ul>
<div class="lb-trans"><ul>
<li>完全托管的 MCP 服务器和对 Agent Skills 的支持，以管理实时 AI 工具的流媒体数据。</li>
<li>在 Flink SQL 中自动检测和删除 PII。</li>
<li>与 Microsoft Azure 托管服务的安全连接，支持 Azure Private Link。</li>
<li>一个开源适配器，将 Confluent Cloud 上的 Flink SQL 与 DBT Labs 集成，以便数据工程师可以使用熟悉的框架轻松构建和管理流媒体数据管道。</li>
<li>支持来自 Anthropic 和 Fireworks AI 的新 AI 模型，以构建实时 AI 应用程序。</li>
<li>支持在 Amazon DynamoDB 上进行向量搜索，以扩展 Confluent 的生态系统。</li>
</ul>
</div><p>Collectively, Confluent's new capabilities, while they don't substantially differentiate Confluent from competing vendors providing AI development capabilities, keep Confluent competitive, according to Kevin Petrie, an analyst at BARC U.S.</p>
<div class="lb-trans"><p>总体而言，Confluent 的新功能虽然并没有实质性地区分 Confluent 与提供 AI 开发能力的竞争供应商，但根据 BARC 美国分析师 Kevin Petrie 的说法，保持了 Confluent 的竞争力。</p>
</div><p>&#34;I do believe these capabilities are a nice step forward for developers as they build and govern agentic applications,&#34; he said. &#34;While they don't differentiate Confluent in the market, they do help it stay competitive.&#34;</p>
<div class="lb-trans"><p>“我确实相信这些功能是开发人员在构建和管理代理应用程序时向前迈出的一步，” 他说。“虽然它们并没有使 Confluent 在市场上脱颖而出，但确实帮助其保持竞争力。”</p>
</div><p>Perhaps the most critical of the new capabilities is automated PII detection and redaction, Petrie continued, noting that his firm's research shows that AI adopters prioritize data privacy above all other aspects of a responsible AI framework.</p>
<div class="lb-trans"><p>佩特里继续指出，新的能力中最关键的可能是自动化的个人身份信息（PII）检测和编辑，他提到他的公司的研究显示，采用人工智能的企业将数据隐私置于负责任的人工智能框架的所有其他方面之上。</p>
</div><p>&#34;Confluent's automated redaction of PII in Flink helps enforce privacy policies and satisfy regulatory requirements such as GDPR or CCPA while maintaining the real-time service levels that AI often needs,&#34; he said.</p>
<div class="lb-trans"><p>他说：“Confluent 在 Flink 中对 PII 的自动化编辑有助于执行隐私政策，并满足 GDPR 或 CCPA 等监管要求，同时保持人工智能通常所需的实时服务水平。”</p>
</div><p>In addition, Petrie noted that support for Agent Skills -- which was originally developed by Anthropic and made open source in December 2025 -- could give Confluent a temporary advantage.</p>
<div class="lb-trans"><p>此外，佩特里指出，支持 Agent Skills——最初由 Anthropic 开发并于 2025 年 12 月开源——可能会给 Confluent 带来暂时的优势。</p>
</div><p>&#34;Confluent has some early-mover advantage with its support of Agent Skills, which are fast becoming a must-have open format for providing AI applications with the context they need to deliver value,&#34; he said.</p>
<div class="lb-trans"><p>他说：“Confluent 在支持 Agent Skills 方面具有一定的早期优势，这些技能正迅速成为为人工智能应用提供所需上下文的必备开放格式。”</p>
</div><p>Like Petrie, Catanzano called out the value of automated PII detection and redaction.</p>
<div class="lb-trans"><p>与佩特里一样，卡坦扎诺也强调了自动化 PII 检测和编辑的价值。</p>
</div><p>&#34;It solves the fundamental blocker that security teams face when deciding whether to allow data into AI pipelines,&#34; he said. &#34;This single capability can unlock entire use cases in regulated industries like healthcare and financial services that were previously off-limits.&#34;</p>
<div class="lb-trans"><p>他说：“这解决了安全团队在决定是否允许数据进入人工智能管道时面临的根本障碍。这个单一的能力可以解锁在医疗保健和金融服务等受监管行业中以前被禁止的整个用例。”</p>
</div><p>Collectively, the new features are logically constructed to help customers more effectively build and secure real-time AI tools, Catanzano continued. However, model monitoring and MLOps capabilities are not included and could help customers as they continue to invest in AI development.</p>
<div class="lb-trans"><p>卡坦扎诺继续表示，这些新功能的逻辑构建旨在帮助客户更有效地构建和保护实时人工智能工具。然而，模型监控和 MLOps 能力并未包含在内，这可能会帮助客户在继续投资人工智能开发时。</p>
</div><p>&#34;They've focused heavily on the data layer and security controls, but they haven't addressed model monitoring, drift detection, or other MLOps concerns that also plague production AI systems,&#34; Catanzano said. &#34;[However], that may be intentional given their focus on being the streaming foundation rather than a complete AI platform.&#34;</p>
<div class="lb-trans"><p>卡坦扎诺说：“他们在数据层和安全控制方面投入了大量精力，但他们没有解决模型监控、漂移检测或其他困扰生产人工智能系统的 MLOps 问题。[然而]，考虑到他们专注于成为流媒体基础而不是完整的人工智能平台，这可能是故意的。”</p>
</div><h2>Looking ahead</h2>
<div class="lb-trans"><h2>展望未来</h2>
</div><p>As Confluent plans future product development, continuing to add and enhance features that help enterprises move AI initiatives into production at scale remains a focus, according to Falconer.</p>
<div class="lb-trans"><p>根据法尔科纳的说法，Confluent 在未来的产品开发中，继续增加和增强帮助企业将人工智能项目大规模投入生产的功能仍然是一个重点。</p>
</div><p>&#34;You'll continue to see us invest in areas like MCP, Agent Skills, agents and real-time context delivery so developers can more easily build AI applications and agents that stay connected to what's happening in the business right now,&#34; he said. &#34;A lot of the industry is realizing that AI is only as useful as the quality and freshness of the context behind it.&#34;</p>
<div class="lb-trans"><p>他说：“你将继续看到我们在 MCP、Agent Skills、代理和实时上下文交付等领域进行投资，以便开发人员能够更轻松地构建与当前业务动态保持连接的人工智能应用和代理。行业的许多人意识到，人工智能的价值仅与其背后上下文的质量和新鲜度相关。”</p>
</div><p>Security and governance are also priorities, Falconer continued.</p>
<div class="lb-trans"><p>法尔科纳继续表示，安全性和治理也是优先事项。</p>
</div><p>&#34;Enterprises want to move faster with AI, but they also need confidence that sensitive data is protected and that these systems operate within the right controls and policies, so a big part of our focus is making secure, governed real-time data access a built-in part of the platform,&#34; he said.</p>
<div class="lb-trans"><p>他说：“企业希望在人工智能方面更快推进，但他们也需要确信敏感数据受到保护，并且这些系统在正确的控制和政策下运行，因此我们关注的一个重要部分是使安全、受治理的实时数据访问成为平台的内置部分。”</p>
</div><p>Catanzano noted that from a competitive standpoint, Confluent provides a broader combination of streaming, governance and AI-native features than Kafka and some other competing platforms. To continue distinguishing itself from its peers, Catanzano suggested that Confluent add prebuilt capabilities such as industry-specific templates to further streamline real-time AI application development.</p>
<div class="lb-trans"><p>卡坦扎诺指出，从竞争的角度来看，Confluent 提供了比 Kafka 和其他一些竞争平台更广泛的流媒体、治理和人工智能原生功能组合。为了继续与同行区分开来，卡坦扎诺建议 Confluent 增加预构建的能力，例如行业特定模板，以进一步简化实时人工智能应用的开发。</p>
</div><p>&#34;They could differentiate further by creating industry-specific templates and prebuilt streaming pipelines for common AI use cases -- fraud detection, personalization, predictive maintenance -- that combine their governance, connectivity and agent capabilities into turnkey solutions that reduce time-to-value for new customers in regulated industries,&#34; he said.</p>
<div class="lb-trans"><p>他说：“他们可以通过创建行业特定模板和针对常见人工智能用例（如欺诈检测、个性化、预测性维护）的预构建流媒体管道进一步区分自己，这些模板将他们的治理、连接性和代理能力结合成交钥匙解决方案，从而减少受监管行业新客户的价值实现时间。”</p>
</div><p><em>Eric Avidon is a senior news writer for Informa TechTarget and a journalist with more than three decades of experience. He covers analytics and data management.</em></p>
<div class="lb-trans"><p><em>Eric Avidon 是 Informa TechTarget 的高级新闻撰稿人，拥有超过三十年的记者经验。他报道分析和数据管理领域的内容。</em></p>
</div>

Confluent 最新消息简化了 AI 流媒体的使用