<p>流媒體數據專家 Confluent 於週二推出了 Confluent Cloud 和 Confluent Intelligence 的新功能，旨在更好地幫助客户構建和保護由實時信息驅動的 AI 應用程序。</p>
<p>在該供應商於倫敦舉行的用户大會上揭曉的新功能包括一個完全託管的 模型上下文協議（MCP）服務器，該服務器作為開發人員和代理構建和管理 AI 流媒體操作的控制中心，使用自然語言，並具備內置的機器學習能力，可以檢測和刪除 Confluent 的 Apache Flink 流媒體引擎中的 個人身份信息（PII）。</p>
<p>此外，Confluent 的新功能還包括對開源 Agent Skills 框架的支持，以為 AI 驅動的操作添加最佳實踐，支持新的大型語言模型，以及對 Amazon DynamoDB 的向量搜索的支持。</p>
<p>根據 Omdia（Informa TechTarget 的一個部門）分析師 Stephen Catanzano 的説法，企業在將 AI 項目投入生產時面臨的兩個最大障礙是與敏感數據（如 PII）相關的安全性和管理 流媒體數據基礎設施 的操作複雜性。</p>
<p>鑑於 Confluent 的新功能專注於這些成功 AI 開發的障礙，它們是重要的補充。</p>
<p>“它們直接解決了阻礙 AI 項目投入生產的兩個最大障礙，” Catanzano 説。“通過嵌入自動化的 PII 刪除和私密連接，以及自然語言操作，Confluent 實際上消除了導致八成公司在擴展 AI 時遇到困難的摩擦。”</p>
<p>Confluent 成立於 2014 年，旨在商業化開源 Apache Kafka 流媒體平台，總部位於加利福尼亞州山景城，最近被科技巨頭 IBM收購，以將流媒體數據能力添加到其 AI 開發平台中。</p>
<h2>精簡 AI 的流媒體</h2>
<p>企業繼續 投資於 AI 開發， 但也繼續 努力構建可信賴的 AI 工具，以便能夠投入生產。</p>
<p>作為回應，許多數據管理和分析供應商——包括 Databricks、MongoDB 和 Tableau 等——最近推出了旨在改善 AI 管道及其為 AI 應用提供數據的工具，以使輸出更準確，並使這些工具在生產中更具可信度。</p>
<blockquote>
<p>這些功能是開發人員在構建和管理代理應用程序時向前邁出的一步。雖然它們並沒有使 Confluent 在市場上脱穎而出，但確實幫助其保持競爭力。<strong>Kevin Petrie</strong> BARC 美國分析師。</p>
</blockquote>
<p>現在，Confluent 同樣增加了旨在完善 AI 開發的新功能，其戰略受到客户反饋的影響，供應商的 AI 負責人 Sean Falconer 表示。</p>
<p>“很大一部分直接來自客户，” 他説，並指出客户在構建 AI 應用程序時面臨的最大挑戰不再與 AI 模型相關，而是與為 AI 應用提供數據的可訪問性和相關性有關。“我們看到團隊在嘗試將 AI 投入運營時對實時數據的需求不斷增長，尤其是在使實時數據更易於使用和更易於保護方面。”</p>
<p>特別是，開發 完全託管的 MCP 服務器和增加對 Agent Skills 的支持是受到與用户互動的推動，Falconer 繼續説道。</p>
<p>“我們看到我們的開源 MCP 服務器被廣泛採用，” 他説。“客户已經在使用它通過 AI 工具管理和排除流媒體基礎設施的問題，因此下一個合乎邏輯的步驟是為他們提供一個在生產中更易於使用的完全託管體驗。”</p>
<p>Confluent Intelligence 和 Confluent Cloud 中的具體新功能包括：</p>
<ul>
<li>完全託管的 MCP 服務器和對 Agent Skills 的支持，以管理實時 AI 工具的流媒體數據。</li>
<li>在 Flink SQL 中自動檢測和刪除 PII。</li>
<li>與 Microsoft Azure 託管服務的安全連接，支持 Azure Private Link。</li>
<li>一個開源適配器，將 Confluent Cloud 上的 Flink SQL 與 DBT Labs 集成，以便數據工程師可以使用熟悉的框架輕鬆構建和管理流媒體數據管道。</li>
<li>支持來自 Anthropic 和 Fireworks AI 的新 AI 模型，以構建實時 AI 應用程序。</li>
<li>支持在 Amazon DynamoDB 上進行向量搜索，以擴展 Confluent 的生態系統。</li>
</ul>
<p>總體而言，Confluent 的新功能雖然並沒有實質性地區分 Confluent 與提供 AI 開發能力的競爭供應商，但根據 BARC 美國分析師 Kevin Petrie 的説法，保持了 Confluent 的競爭力。</p>
<p>“我確實相信這些功能是開發人員在構建和管理代理應用程序時向前邁出的一步，” 他説。“雖然它們並沒有使 Confluent 在市場上脱穎而出，但確實幫助其保持競爭力。”</p>
<p>佩特里繼續指出，新的能力中最關鍵的可能是自動化的個人身份信息（PII）檢測和編輯，他提到他的公司的研究顯示，採用人工智能的企業將數據隱私置於負責任的人工智能框架的所有其他方面之上。</p>
<p>他説：“Confluent 在 Flink 中對 PII 的自動化編輯有助於執行隱私政策，並滿足 GDPR 或 CCPA 等監管要求，同時保持人工智能通常所需的實時服務水平。”</p>
<p>此外，佩特里指出，支持 Agent Skills——最初由 Anthropic 開發並於 2025 年 12 月開源——可能會給 Confluent 帶來暫時的優勢。</p>
<p>他説：“Confluent 在支持 Agent Skills 方面具有一定的早期優勢，這些技能正迅速成為為人工智能應用提供所需上下文的必備開放格式。”</p>
<p>與佩特里一樣，卡坦扎諾也強調了自動化 PII 檢測和編輯的價值。</p>
<p>他説：“這解決了安全團隊在決定是否允許數據進入人工智能管道時面臨的根本障礙。這個單一的能力可以解鎖在醫療保健和金融服務等受監管行業中以前被禁止的整個用例。”</p>
<p>卡坦扎諾繼續表示，這些新功能的邏輯構建旨在幫助客户更有效地構建和保護實時人工智能工具。然而，模型監控和 MLOps 能力並未包含在內，這可能會幫助客户在繼續投資人工智能開發時。</p>
<p>卡坦扎諾説：“他們在數據層和安全控制方面投入了大量精力，但他們沒有解決模型監控、漂移檢測或其他困擾生產人工智能系統的 MLOps 問題。[然而]，考慮到他們專注於成為流媒體基礎而不是完整的人工智能平台，這可能是故意的。”</p>
<h2>展望未來</h2>
<p>根據法爾科納的説法，Confluent 在未來的產品開發中，繼續增加和增強幫助企業將人工智能項目大規模投入生產的功能仍然是一個重點。</p>
<p>他説：“你將繼續看到我們在 MCP、Agent Skills、代理和實時上下文交付等領域進行投資，以便開發人員能夠更輕鬆地構建與當前業務動態保持連接的人工智能應用和代理。行業的許多人意識到，人工智能的價值僅與其背後上下文的質量和新鮮度相關。”</p>
<p>法爾科納繼續表示，安全性和治理也是優先事項。</p>
<p>他説：“企業希望在人工智能方面更快推進，但他們也需要確信敏感數據受到保護，並且這些系統在正確的控制和政策下運行，因此我們關注的一個重要部分是使安全、受治理的實時數據訪問成為平台的內置部分。”</p>
<p>卡坦扎諾指出，從競爭的角度來看，Confluent 提供了比 Kafka 和其他一些競爭平台更廣泛的流媒體、治理和人工智能原生功能組合。為了繼續與同行區分開來，卡坦扎諾建議 Confluent 增加預構建的能力，例如行業特定模板，以進一步簡化實時人工智能應用的開發。</p>
<p>他説：“他們可以通過創建行業特定模板和針對常見人工智能用例（如欺詐檢測、個性化、預測性維護）的預構建流媒體管道進一步區分自己，這些模板將他們的治理、連接性和代理能力結合成交鑰匙解決方案，從而減少受監管行業新客户的價值實現時間。”</p>
<p><em>Eric Avidon 是 Informa TechTarget 的高級新聞撰稿人，擁有超過三十年的記者經驗。他報道分析和數據管理領域的內容。</em></p>

CFLT

<p>Confluent 推出了 Confluent Cloud 和 Confluent Intelligence 的新功能，以增強使用實時數據進行 AI 應用開發的能力。主要更新包括一個完全託管的模型上下文協議服務器、自動化的個人身份信息（PII）檢測和編輯，以及對新 AI 模型的支持。這些進展旨在解決 AI 項目中的安全和運營挑戰，幫助企業擴大其 AI 計劃。儘管這些功能在市場上並沒有顯著區分 Confluent，但它們使公司在不斷發展的 AI 領域保持競爭力</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>流媒體數據專家 Confluent 於週二推出了 Confluent Cloud 和 Confluent Intelligence 的新功能，旨在更好地幫助客户構建和保護由實時信息驅動的 AI 應用程序。</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>在該供應商於倫敦舉行的用户大會上揭曉的新功能包括一個完全託管的 模型上下文協議（MCP）服務器，該服務器作為開發人員和代理構建和管理 AI 流媒體操作的控制中心，使用自然語言，並具備內置的機器學習能力，可以檢測和刪除 Confluent 的 Apache Flink 流媒體引擎中的 個人身份信息（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 的新功能還包括對開源 Agent Skills 框架的支持，以為 AI 驅動的操作添加最佳實踐，支持新的大型語言模型，以及對 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>根據 Omdia（Informa TechTarget 的一個部門）分析師 Stephen Catanzano 的説法，企業在將 AI 項目投入生產時面臨的兩個最大障礙是與敏感數據（如 PII）相關的安全性和管理 流媒體數據基礎設施 的操作複雜性。</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>鑑於 Confluent 的新功能專注於這些成功 AI 開發的障礙，它們是重要的補充。</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>“它們直接解決了阻礙 AI 項目投入生產的兩個最大障礙，” Catanzano 説。“通過嵌入自動化的 PII 刪除和私密連接，以及自然語言操作，Confluent 實際上消除了導致八成公司在擴展 AI 時遇到困難的摩擦。”</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 成立於 2014 年，旨在商業化開源 Apache Kafka 流媒體平台，總部位於加利福尼亞州山景城，最近被科技巨頭 IBM收購，以將流媒體數據能力添加到其 AI 開發平台中。</p>
</div><h2>Streamlining streaming for AI</h2>
<div class="lb-trans"><h2>精簡 AI 的流媒體</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>企業繼續 投資於 AI 開發， 但也繼續 努力構建可信賴的 AI 工具，以便能夠投入生產。</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>作為回應，許多數據管理和分析供應商——包括 Databricks、MongoDB 和 Tableau 等——最近推出了旨在改善 AI 管道及其為 AI 應用提供數據的工具，以使輸出更準確，並使這些工具在生產中更具可信度。</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>這些功能是開發人員在構建和管理代理應用程序時向前邁出的一步。雖然它們並沒有使 Confluent 在市場上脱穎而出，但確實幫助其保持競爭力。<strong>Kevin Petrie</strong> BARC 美國分析師。</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>現在，Confluent 同樣增加了旨在完善 AI 開發的新功能，其戰略受到客户反饋的影響，供應商的 AI 負責人 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>“很大一部分直接來自客户，” 他説，並指出客户在構建 AI 應用程序時面臨的最大挑戰不再與 AI 模型相關，而是與為 AI 應用提供數據的可訪問性和相關性有關。“我們看到團隊在嘗試將 AI 投入運營時對實時數據的需求不斷增長，尤其是在使實時數據更易於使用和更易於保護方面。”</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>特別是，開發 完全託管的 MCP 服務器和增加對 Agent Skills 的支持是受到與用户互動的推動，Falconer 繼續説道。</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>“我們看到我們的開源 MCP 服務器被廣泛採用，” 他説。“客户已經在使用它通過 AI 工具管理和排除流媒體基礎設施的問題，因此下一個合乎邏輯的步驟是為他們提供一個在生產中更易於使用的完全託管體驗。”</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 中的具體新功能包括：</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>完全託管的 MCP 服務器和對 Agent Skills 的支持，以管理實時 AI 工具的流媒體數據。</li>
<li>在 Flink SQL 中自動檢測和刪除 PII。</li>
<li>與 Microsoft Azure 託管服務的安全連接，支持 Azure Private Link。</li>
<li>一個開源適配器，將 Confluent Cloud 上的 Flink SQL 與 DBT Labs 集成，以便數據工程師可以使用熟悉的框架輕鬆構建和管理流媒體數據管道。</li>
<li>支持來自 Anthropic 和 Fireworks AI 的新 AI 模型，以構建實時 AI 應用程序。</li>
<li>支持在 Amazon DynamoDB 上進行向量搜索，以擴展 Confluent 的生態系統。</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>總體而言，Confluent 的新功能雖然並沒有實質性地區分 Confluent 與提供 AI 開發能力的競爭供應商，但根據 BARC 美國分析師 Kevin Petrie 的説法，保持了 Confluent 的競爭力。</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>“我確實相信這些功能是開發人員在構建和管理代理應用程序時向前邁出的一步，” 他説。“雖然它們並沒有使 Confluent 在市場上脱穎而出，但確實幫助其保持競爭力。”</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>佩特里繼續指出，新的能力中最關鍵的可能是自動化的個人身份信息（PII）檢測和編輯，他提到他的公司的研究顯示，採用人工智能的企業將數據隱私置於負責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>他説：“Confluent 在 Flink 中對 PII 的自動化編輯有助於執行隱私政策，並滿足 GDPR 或 CCPA 等監管要求，同時保持人工智能通常所需的實時服務水平。”</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 開發並於 2025 年 12 月開源——可能會給 Confluent 帶來暫時的優勢。</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>他説：“Confluent 在支持 Agent Skills 方面具有一定的早期優勢，這些技能正迅速成為為人工智能應用提供所需上下文的必備開放格式。”</p>
</div><p>Like Petrie, Catanzano called out the value of automated PII detection and redaction.</p>
<div class="lb-trans"><p>與佩特里一樣，卡坦扎諾也強調了自動化 PII 檢測和編輯的價值。</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>他説：“這解決了安全團隊在決定是否允許數據進入人工智能管道時面臨的根本障礙。這個單一的能力可以解鎖在醫療保健和金融服務等受監管行業中以前被禁止的整個用例。”</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>卡坦扎諾繼續表示，這些新功能的邏輯構建旨在幫助客户更有效地構建和保護實時人工智能工具。然而，模型監控和 MLOps 能力並未包含在內，這可能會幫助客户在繼續投資人工智能開發時。</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>卡坦扎諾説：“他們在數據層和安全控制方面投入了大量精力，但他們沒有解決模型監控、漂移檢測或其他困擾生產人工智能系統的 MLOps 問題。[然而]，考慮到他們專注於成為流媒體基礎而不是完整的人工智能平台，這可能是故意的。”</p>
</div><h2>Looking ahead</h2>
<div class="lb-trans"><h2>展望未來</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>根據法爾科納的説法，Confluent 在未來的產品開發中，繼續增加和增強幫助企業將人工智能項目大規模投入生產的功能仍然是一個重點。</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>他説：“你將繼續看到我們在 MCP、Agent Skills、代理和實時上下文交付等領域進行投資，以便開發人員能夠更輕鬆地構建與當前業務動態保持連接的人工智能應用和代理。行業的許多人意識到，人工智能的價值僅與其背後上下文的質量和新鮮度相關。”</p>
</div><p>Security and governance are also priorities, Falconer continued.</p>
<div class="lb-trans"><p>法爾科納繼續表示，安全性和治理也是優先事項。</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>他説：“企業希望在人工智能方面更快推進，但他們也需要確信敏感數據受到保護，並且這些系統在正確的控制和政策下運行，因此我們關注的一個重要部分是使安全、受治理的實時數據訪問成為平台的內置部分。”</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>卡坦扎諾指出，從競爭的角度來看，Confluent 提供了比 Kafka 和其他一些競爭平台更廣泛的流媒體、治理和人工智能原生功能組合。為了繼續與同行區分開來，卡坦扎諾建議 Confluent 增加預構建的能力，例如行業特定模板，以進一步簡化實時人工智能應用的開發。</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>他説：“他們可以通過創建行業特定模板和針對常見人工智能用例（如欺詐檢測、個性化、預測性維護）的預構建流媒體管道進一步區分自己，這些模板將他們的治理、連接性和代理能力結合成交鑰匙解決方案，從而減少受監管行業新客户的價值實現時間。”</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 的高級新聞撰稿人，擁有超過三十年的記者經驗。他報道分析和數據管理領域的內容。</em></p>
</div>

Confluent 最新消息簡化了 AI 流媒體的使用