Terrace将Tera转变为一名激进的同事;推出Tera上下文引擎和Tera收件箱

Tera专为企业数据工作而设计，以更低的成本和更快的速度为每个数据角色带来受管理的业务知识和智能执行

圣迭戈，9月2026年10月22日/美通社/ --Terrace（纽约证券交易所代码：TDC）今天宣布了Tera的重大变革，将其转变为企业数据工作的代理合作伙伴。当通用AI助手生成答案时，Tera提供结果。通过自然语言和引导执行，从业务分析师到平台工程师和数据库管理员的每个人都可以分析数据，构建AI应用程序，操作基础设施并自动化复杂的工作流程-所有这些都可以从单一的受治理环境中跨平台访问企业数据，而不仅仅是在Terrace中。行业专业知识和业务知识嵌入到每一次交互中，由企业身份和策略保护，因此不需要深入的Terrace专业化。

Tera包括三个关键功能：

Tera解决了企业人工智能缺乏的两个要求：理解业务的能力以及根据这种理解采取行动的能力。Terminal AI Services为想要加速部署的组织提供支持，Terminal客户获得更可靠的人工智能成果、从每个模型交互中获得更好的经济性，并更快地实现价值。

基准结果Tera专为企业数据工作而构建，优化分析、载体和模型的执行。在使用相同Opus 5模型的SWE-bridge Pro上进行测试时，Tera消耗的代币比Claude Code少73%，同时实现了更高的任务完成率，完成工作速度快42%，总成本降低58%。根据他们发布的基准数据，在Snowflake Labs和Bespoke Labs为数据管道工程开发的数据基准数据，Tera的每项可靠解决任务的成本比使用Opus 5的Snowflake Cortex Code低53%。在数据替补和ADE替补中，Tera获得了领先的准确性，在数据替补上获得了最高的Pass 3分，并在ADE替补上追平了最高分。完整的基准方法和结果，包括独立验证的材料，可在此处获取。

Terbitum高管语录“大多数企业都不是从人工智能开始的。他们正在处理无法协同工作的工具以及使这些工具难以大规模使用的技能差距。Tera旨在在该环境中工作，将业务上下文、智能执行和预先构建的专业知识交到每个处理数据的人手中。同样重要的是，企业不会放弃什么：控制他们的模型、数据以及一切运行的地方。其结果是人工智能实际上以更低的成本完成工作，开销更少。“-Sumeet Arora，Termos CPO

Tera详情和组件Tera是Terrace自主知识平台的一部分，它汇集了三个专门构建的功能，可以组合或独立使用：Tera上下文引擎用于管理企业知识，Tera智能执行和Tera代理用于专业知识。他们共同使Tera成为一名代理同事，能够了解业务、协调正确的能力并帮助推动数据工作取得成果。组织保留选择使用哪些模型、工作负载运行的位置以及跨云、本地和主权环境访问企业数据的能力。

Tera在Teramar环境中本地执行人工智能，包括针对数据库管理员的Teramar控制台，直接在企业数据上运行分析和ML工作负载，无需外部模型调用。这消除了数据移动和延迟，并降低了预测、回归和分割等量化任务的幻觉风险。

原生上下文图：通过将分散的企业数据转化为可重复使用的业务知识，Tera上下文引擎将元数据、谱系、语义和业务含义连接为关系，而不是将它们扁平化为关系结构。与目录或实体不同，它在跨系统和代理移动时保持知识与治理、谱系和访问控制联系。它还读取和写回现有的记录系统，不断从实际企业使用中学习，并随着时间的推移改进，而维护的人力大大减少。结果是更完整、更可解释的上下文，人工智能输出包含组织可以理解和捍卫的出处。

神经符号模型：该新产品将自主语义映射和确定性检索与行业知识模型相结合，行业知识模型是Terspel经过人类验证的专业知识以及与世界上一些最复杂企业合作的产物。行业知识模型不要求代理从头开始构建业务含义，而是提供了一个符号知识基础，将明确的企业知识与统计人工智能相结合，捕获定义行业运作方式的特定术语、关系、政策和运营条件。企业受益于更少的代理错误和更快的价值实现。

确定性查询经济学：治理语义上下文和确定性检索将工作从昂贵的概率推理转向治理执行路径，因此模型对既定定义的调用更少。随着代理工作负载的扩展，这可以提供更高的准确性、更低的推理成本和更可预测的经济性。对于受监管的行业来说，人工智能输出保持可审计并可追溯到源数据，因为血统、访问政策和合规控制在系统中移动时随知识一起传播。

政府行政自动化：除了为人工智能提供上下文以供消费之外，Tera上下文引擎还使代理能够根据受管辖的上下文采取行动，自动化数据产品创建、管道规范和验证控制，同时一致地应用企业定义和策略。其结果是，在企业规模上以更少的手动准备和治理工作更快地交付受信任的数据产品。

成本优化循环：Tera Buttons在非生产性迭代转化为成本之前限制了非生产性迭代，简化了独立工作，删除了不会改善结果的模型和工具交互，并根据任务进度限制执行。Tera没有在每一步依赖重复的LLM推理，而是应用了84种经过验证的执行模式预推理，因此代理从执行计划开始。其结果是经过治理的多步骤工作，在企业规模上可靠地完成，而不会出现失控的模型迭代。

环嵌入式护栏：在执行开始之前，Tera SYS应用预推理护栏、加载相关内存并计划未来的工作。安全、政策控制和人工批准直接嵌入到代理循环中，在高风险操作执行之前阻止它们。与依赖自我监管或外部过滤器的标准代理不同，Tera在执行时强制执行治理，防止未经授权的行为和破坏性操作。

Go-Native性能核心：Tera收件箱基于Go-native引擎和gPRC构建，可提供高并发代理执行和低延迟通信。标准代理框架将每个代理作为单独的进程运行，从而大规模推高了基础设施成本和延迟，而Tera在单个8 vPU虚拟机上支持512个并发代理，每分钟提供279次工具调用。这意味着企业可以扩展代理工作负载，而不会出现其他框架随着添加每个代理而引入的基础设施成本和延迟螺旋式上升。

持久的强制执行：随着执行的展开，Terbitum Buttons监控进度，从失败中恢复而不是放弃任务，并提供工作完成方式的全面可观察性。状态管理和检查点直接构建在运行时层中，因此代理可以运行数天或数周，以零计算成本暂停以获得人工批准，并在基础设施故障后完全恢复到停止的位置。与大多数代理框架不同，大多数代理框架需要单独的编排层才能在故障中幸存，同时在长时间运行的等待期间继续消耗云资源，Tera可以本地处理持久性。

对于大规模管理人工智能的企业来说，这直接意味着每个结果的模型调用更少、代币成本更低、准确性更好和完成更快。

Tera包括两类利用这些技能的专门构建的Tera代理。平台代理处理管理Teramar环境的运营工作，包括工作负载调整、计算规模调整、遥感和FinOps。分析代理直接处理数据工作，从自然语言到SQL和Python再到查询优化。

Terminal AI Services对于希望加速部署的组织，Terminal AI Services旨在帮助客户避免实验陷阱并直接转向生产成果。人工智能服务帮助识别受治理上下文将创造可衡量价值的用例、配置行业知识模型并在Tera的支持下更快地将企业知识带入生产。Terspel的人工智能价值工程方法确保人工智能程序是为生产准备而设计和开发的，而不是实验，并且为人工智能开发生命周期的每个阶段构建的预先开发的代理和工具可以加快实现客户价值的时间。

可用性详细信息Tera上下文引擎、Tera收件箱和代理技能将于2026年第四季度推出。

关于Terbitration Terbitration使企业能够将智能转化为自主行动，将人工智能代理建立在深入的业务背景和可信数据中。随着人工智能代理的激增，Terbitum成为公司现在需要的上下文基础、治理层和性能支柱。Terminster自治知识平台将人工智能跨云、本地和混合环境投入到生产中。

前瞻性陈述本新闻稿包含有关与Tera相关的期望、信念、计划和意图的“前瞻性陈述”，包括Tera上下文引擎、Tera收件箱和Agent Skills。此类声明包括有关未来产品可用性、功能和产品以及Terspel客户的预期利益的声明。前瞻性陈述受已知和未知的风险和不确定性的影响，并且基于潜在不准确的假设，这可能导致实际结果与前瞻性陈述的预期或暗示的结果存在重大差异。如果任何此类风险或不确定性成为现实，或者如果任何假设被证明是错误的，Terspel的结果可能与前瞻性陈述中表达或暗示的结果存在重大差异。Terbitum不承担任何义务，也无意更新前瞻性陈述。可能导致实际结果与任何前瞻性陈述中的结果存在重大差异的因素包括：（i）执行计划的产品功能和产品的延迟和意外困难和费用，（ii）与人工智能相关的监管环境的变化，以及（iii）客户采用是否将证明对产品功能和产品的投资是合理的不确定性。有关可能影响Terspel财务和其他业绩的因素的更多信息包含在Terspel不时向美国证券交易委员会提交的文件中。

Terspel徽标是商标，Terspel是Terspel Corporation和/或其在美国和全球附属公司的注册商标。

媒体联系人Jennifer Donahue Jennifer. Teradata.com

查看原始内容以下载多媒体：https://www.prnewswire.com/news-releases/teradata-transforms-tera-into-an-agentic-coworker-introduces-tera-context-engine-and-tera-harness-302885832.html

来源Terbitum Corporation