Follow feeds: blogs, news, RSS and more. An effortless way to read and digest content of your choice.
Get Feederplink.anyfeeder.com
Get the latest updates from InfoQ推荐 directly as they happen.
Follow now 37 followers
Last updated 20 days ago
20 days ago
过去半年,国内多模态 AI 仍在加速,但模型层和应用层的热度却出现分化——一边是模型厂商们打得火热,一边则是多模态 AI 在更多严肃场景的缓慢落地,例如虚拟讲师、医疗辅助诊断、工业自动化质检等。现在的模型能力足以让多模态 AI“可以”在很多场景做实事。但要想让 AI 在这些场景“把事做好”,仅靠多模态模型还远远不够。就以教育领域为例,虚拟讲师真正替代、甚至超越真人教师角色,实现商业价值的关键,在于提供媲美线下的体验,例如高清画质、实时互动、跨终端流畅性等等。当千万级学生并发在线,这些基础需求将转化为对系统稳定性的严峻挑战。此类高并发、强实时互动场景的挑战,在直播电商、工业质检、医疗辅助诊断等领域也同样普遍。整体来看,多模态应用落地正面临三大趋势带来的挑战——首先是多模态应用体验升级。多模态理解与生成模型能力迭代加速的同时,实时交互成为优化体验的关键,需依赖底层视频云技术支撑。其次,视频化趋势正在向全行业扩展。 从文娱延伸至医疗影像、教育虚拟讲师、工业质检等复杂场景,对应用编排能力要求更高。最后,大模型部署向边缘下沉。 为满足大模型计算量、实时性、成本与低延时需求,算力从中心向边缘流动,云 - 边...
20 days ago
随着企业数字化转型步入深水期,网络安全问题也日益复杂。当前,AI技术正深度融入网络安全领域,形成“攻、防、对抗”三重技术维度:攻击性AI体现为网络攻击者利用AI实施欺诈攻击、自动化漏洞挖掘等恶意行为;对抗性AI指向AI大模型全生命周期面临的数据投毒攻击、隐蔽式恶意代码注入等安全威胁;防御性AI则代表网络安全厂商通过AI赋能安全运营,构建基于行为分析、自动化威胁狩猎及智能响应决策的防护体系,助力企业实现主动化安全防御。 这三重技术维度相互交织、相互影响,共同构成了当前AI安全行业的复杂局面。如何更好地利用AI技术提升网络安全防护能力,成为网络安全行业亟待解决的重要课题。 在日前举行的Accelerate 2025北亚巡展·北京站上,来自智库、产业界、Fortinet管理层及技术团队的权威专家,与来自???行业的企业客户代表,共同围绕“AI智御全球·引领安全新时代”主题,就AI技术驱动的安全防御体系重构、网络与安全的原生融合实践、全球化场景下的SASE技术落地三大核心议题展开深入研讨。 Fortinet中国区总经理李宏凯指出,企业网络安全不能通过堆砌孤立产品实现有效防御,为此,Fortinet通过统一操作系统(FortiOS)整合自研ASIC芯片和25年技术沉淀,构建覆盖网络边界、云、OT的Fortinet Security Fabric安全平台,以“网络融合安全”战略应对企业碎片化防御挑战。以网安融合应对企业碎片化防御挑战 在企业数字化转型加速的当下,企业安全架构正面临前所未有的挑战。从Gartner的视角来看,全球企业正普遍面临一个难题:如何在有限的费用投入下,在安全和网络的数字化全面转型过程中寻找平衡点? 随着企业数据与业务边界日益模糊,终端、云端、OT(运营技术)设备等多类边界并存,攻击面呈指数级扩张。传统安全防御模式往往采用“分项建设”策略,即先搭建网络,再叠加安全设备。这种模式需要企业部署大量独立安全设备(如防火墙、IDS、IPS等),不仅成本高昂,还因缺乏协同形成“安全孤岛”。 Fortinet提出的“网安融合”理念,正是为了解决这一核心痛点——通过将安全能力深度嵌入网络架构,构建一体化防御体系,帮助企业实现高效、协同的安全防护。作为全球网络安全领域AI专利持有量最高的厂商,Fortinet在AI领域已深耕15年,积累了超过500项AI专利,占其全球专利总量半数以上。在技术认知层面,Fortinet提出“AI不仅是网络安全领域的未来,更是驱动当下防护体系升级的核心引擎”,这一论断突破了行业对生成式AI的短期关注。 据介绍,Fortinet的AI安全发展历经了三个阶段:AI安全第一阶段:早在2010年,Fortinet就率先构建了基于机器学习与深度学习的FortiGuard威胁情报中心,实现了威胁检测从签名库到行为模型的范式转变。AI安全第二阶段:2022年,生成式AI技术取得突破之际,Fortinet同步推出面向安全运营中心的FortiAI智能助手V1,开创了AI辅助安全决策的新范式。AI安全第三阶段:当前,Fortinet正聚焦于AI智能体技术演进,分化出FortiAI-Protect、FortiAI-Assist、FortiAI-SecureAI三种AI智能体,通过自主决策系统实现威胁闭环处置的自动化跃迁,持续夯实其AI驱动的安全领导力。 网安融合不仅是技术趋势,更是企业应对碎片化威胁的必然选择。李宏凯指出,预计在2025-2026年,网络建设在初期就必须要考虑安全整合的发展趋势。Fortinet通过将安全能力植入网络底层,帮助客户在AI时代构建“原生安全”的数字化架构,实现从“边界防护”到“无边界防御”的升级。正如其战略所示:“未来企业需将网络与安全视为一体,而非割裂的两部分”——这正是应对碎片化挑战的核心答案。Fortinet发布三大AI安全Agent...
20 days ago
6月27日-6月28日,AICon 全球人工智能开发与应用大会北京站"即将拉开帷幕。本次大会将汇聚AI前沿技术与落地实践,邀请来自腾讯、阿里、百度、字节跳动等头部大厂以及智谱、硅基流动、智象未来、声智科技等AI企业的50+资深专家,深度探讨AI Agent、多模态应用、推理性能优化以及AI在软件研发、数据分析、业务运营等场景的具体落地实践。安克创新AI 服务与平台负责人黄堃已确认出席并发表题为《企业级智能体落地的实践和思考"》的主题分享。在企业探索大模型应用的过程中,“智能体”被寄予厚望,但真正落地时却常常遭遇价值难衡量、开发周期过长、效果难验证等问题。本次演讲将结合安克创新在企业级智能体建设中的一线实践,深入剖析这些问题背后的根因与应对策略。黄堃10多年来一直专注于企业数字化服务,曾任职于华为云、阿里钉钉、大模型应用公司合伙人,负责过千万DAU级别的产品,操盘10+企业LLM智能客服落地,亲手打造的大模型应用在全球10w+用户,有丰富的SaaS经验。他在本次会议的详细演讲内容如下:演讲提纲1. 企业级智能体落地常见的问题是什么?价值难量化开发周期长效果被挑战2. 根因问题是什么?缺少价值衡量的方法和指标,企业内部搭建的智能体一般是由个人搭建的活动智能体,而不是能替代企业流程的流程智能体,价值有限。智能体依赖数据和工具,企业数据源和业务系统多样异构,缺乏面向LLM的统一数据/服务抽象层。开发智能体的人,是否掌握业务的核心know how,谁是智能体的owner3. 企业LLM应用落地范式思考(如何解决?)传统IT软件工程交付工具--> 从业务流程到智能体的新方法回归MVC基础原理,提供Model+Control基础设施从岗位出发,抓住关键场景know how,业务专家开发业务智能体4. 实践案例从过去多人协作需要数天才能完成的亚马逊listing,到几分钟1个人就可以自动生成,效率提升上百倍。高效智能体与熟练使用它们的人类专家协同工作。演讲前沿亮点大规模建设企业级业务流程智能体的方法和实践经验。听众收益智能体在企业中的定位和价值识别适合智能体业务场景的方法项目周期长、效果不佳、不贴近业务不落地、对人才要求高等等问题,如何解决除此之外,本次大会还策划了AI Agent...
20 days ago
重磅发布 ClickStack我们今天正式发布 ClickStack —— 一个基于 ClickHouse 构建的全新开源可观测性(Observability)解决方案。ClickStack 提供日志、指标、链路追踪和会话回放等功能的全套体验,即装即用,性能强劲,架构开放,人人可用。你可以通过查看文档中的《快速开始指南》,开启你的 ClickStack 实践之旅[https://clickhouse.com/docs/use-cases/observability/clickstack/getting-started]。多年以来,像 Netflix 和...
20 days ago
在当今以闭源模型为主导、各大科技公司严格保护核心AI技术的环境下,一个开源项目能够真正挑战行业顶尖产品实属罕见。 然而,DeepSeek 前段时间更新的最新版本 DeepSeek-R1(0528)不仅做到了这一点,甚至在某些关键领域超越了 Claude Opus 4 和 GPT-4.1 这样的顶级商业模型。 真正引起开发者社区关注的是R1(0528)在大模型公共基准测试平台 LMArena上的性能排名超越了多个顶尖封闭模型。R1编码能力超过Claude...
20 days ago
Meta 推出了一款基于视频的新型世界模型,V-JEPA 2",是为提升机器在物理环境中的理解、预测和规划能力。该模型扩展了联合嵌入预测架构(JEPA)"框架,并通过视频数据进行训练,以在嵌入空间中预测结果。 该模型的训练分为两个阶段。第一阶段,使用超过一百万小时的视频和一百万张图像进行无动作标签的自监督预训练,让模型能够学习运动、物体动力学和互动模式的表征。第二阶段,使用包含视频和动作序列的 62 小时机器人数据进行微调,此阶段让模型能够做出基于动作条件的预测并支持规划。 一??? Reddit 用户对此方法评论"道:在嵌入空间中进行预测将提高计算效率,也更接近人类的推理方式……这种方法真切地让我感受到了 AGI(人工通用智能),无论这个系统目前的结果如何。 也有用户指出了该方法的局限性。专注于人工智能战略与教育的 Dorian...
20 days ago
在 InfoQ 举办的 AICon 全球人工智能开发与应用大会上腾讯云安灯、腾讯云顾问产品总经理许小川做了专题演讲“腾讯云顾问:从人到数智平台,用 AI 重塑 SRE”,演讲围绕腾讯云 SRE 组织变革展开。在主动服务体系遇瓶颈时,腾讯云依托 AI 和云计算推出「腾讯云顾问」可视化云上架构治理平台,涵盖架构梳理、卓越架构评估、一站式架构治理等功能。还分享了技术、组织等多方面经验,用...
21 days ago
亚马逊云科技最近为 Amazon API Gateway" 推出了一项新功能,支持为自定义域名"配置动态路由规则,允许用户根据 HTTP 请求头的值(单独使用或与 URL 路径结合)来路由 API 请求。此前,依赖 API...
21 days ago
我一直认为,火山引擎是一家比较有气质的云计算企业——思维新颖,动作很快,且打法总是直来直去。比如说,从 2024 年年底至今,火山引擎已经将 AI 云原生的框架刷新了三次——从以 GPU 为核心,到以模型为核心,再到今天,以 Agentic AI 为核心。在 6 月...
21 days ago
6月27日-6月28日,AICon 全球人工智能开发与应用大会北京站"即将拉开帷幕。本次大会将汇聚AI前沿技术与落地实践,邀请来自腾讯、阿里、百度、字节跳动等头部大厂以及智谱、硅基流动、智象未来、声智科技等AI企业的50+资深专家,深度探讨AI Agent、多模态应用、推理性能优化以及AI在软件研发、数据分析、业务运营等场景的具体落地实践。美图影像研究院(MT Lab)北京负责人曲晓超已确认出席并发表题为《美图垂类模型的落地:从生活场景到生产力场景"》的主题分享。大模型爆发时代,通用模型尽管具有强大的泛化能力,但面向特定行业和场景的适配性较差,难以有效满足行业与用户需求。垂类模型作为面向细分需求场景的解决方案,凭借针对性强、效果显著的优势,能够更好地满足行业精细化和个性化的趋势,而在实际应用落地上,垂类模型需要达到高效、高性能、高精度的平衡,本次分享将从生活场景与生产力场景出发,并结合真实的业务应用(如人像美化、智能设计、特效玩法、图像处理、视频编辑等),分享垂类模型在落地AI产品应用上的技术方案以及经验。曲晓超专注于计算机视觉相关技术的研究和落地,在图像感知、视频内容理解、3D重建、图像视频生成等方向有深入的研究和丰富的研发经验,在国际顶级会议和期刊发表论文数十篇。主导了美图图像内容理解引擎、人体算法、3D重建算法、图像生成算法等,并成功落地美图多个业务,助力影像与设计领域的智能化升级。他在本次会议的详细演讲内容如下:演讲提纲1. 垂类模型产品化的背景通用基础模型「懂得多」,但「聚焦少」通用基础模型面临商业化挑战垂类模型适配细分用户场景需求2. 垂类模型产品化的落地应用垂类模型在生活场景的落地应用从风格化模型StyO到美图秀秀AI创意玩法从服装模型MTTryon到美颜相机AI换装从奇想大模型到Wink·AI特效垂类模型在生产力场景的落地应用从字形编码器GlyphMastero到美图秀秀AI无痕改字从Inpainting训练框架MTADiffusion 到WHEE·AI改图从交互式分割NTClick到美图设计室智能抠图3. 垂类模型产品化的优化与迭代方向专注应用,而非模型:从模型层到应用层的核心能力从“单点功能” → “业务闭环”:AI工作流助力生产效率成倍提升美图设计室·电商设计AI工作流开拍·AI口播工作流MOKI·AI短片工作流您认为,这样的技术在实践过程中有哪些痛点?数据获取难、场景碎片化。演讲前沿亮点前沿技术结合实际业务场景,分享在多个领域的AI产品化经验,提供有深度的技术洞察,同时具备较高的实践价值。听众收益了解美图前沿的技术成果。了解垂类模型面向细分场景的产品化经验。了解从用户需求到研发再到落地应用的链路。除此之外,本次大会还策划了AI Agent 构建与多场景实践"、多模态实践与应用"、大模型助力研发的实战经验"、AI...
21 days ago
.NET团队发布了Dev Proxy 0.28"版本,引入了新功能以提高可观测性、插件可扩展性以及与AI模型的集成。这次发布的核心特性是OpenAITelemetryPlugin",据报道,它允许开发者在其应用程序中跟踪OpenAI和Azure OpenAI语言模型请求的使用情况和估计成本。 该插件拦截请求并记录详细信息,如使用的模型、token计数(提示、完成和总数)、每个请求的成本估计以及每个模型的汇总摘要。 根据公告,这个插件支持更深入地了解应用程序如何与大语言模型(LLM)交互,可以使用OpenLIT等外部工具进行可视化,以了解使用的模式并优化与AI相关的费用。 该更新还支持微软的Foundry Local",这是一个在上个月的Build大会上推出的高性能本地AI运行时堆栈。Foundry Local使开发者能够将基于云的LLM调用重定向到本地环境,从而降低成本并实现离线开发。 正如声明中所说,Dev Proxy现在可以配置为使用本地模型,引用开发团队的以下说法: 我们的初步测试显示,与过去使用的其他模型相比,在Foundry...
21 days ago
整理 | 华卫 学术界开发的一项新基准测试显示,基于大型语言模型(LLM)的AI智能体在标准客户关系管理(CRM)测试中表现欠佳,且未能理解客户信息保密的必要性。 由Salesforce AI研究员黄 Kung-Hsiang 领导的团队通过依赖合成数据的新基准测试表明,LLM智能体在无需后续操作或额外信息的单步任务中,成功率约为58%。而使用基准工具CRMArena-Pro的测试进一步显示,当任务需要多步骤完成时,LLM智能体的成功率骤降至35%。 另一项值得关注的问题在于LLM智能体对机密信息的处理。上月末发表的一篇论文指出:“智能体的保密意识较低,尽管可通过针对性提示改善,但往往会对任务执行产生负面影响。” Salesforce AI研究团队认为,现有基准测试未能严格衡量AI智能体的能力或局限,且在很大程度上忽视了对其识别敏感信息及遵守数据处理规范能力的评估。 该研究团队的CRMArena-Pro工具通过输入真实合成数据的管道来填充Salesforce组织,构建沙盒环境。智能体接收用户查询后,需决定是调用API接口,还是回复用户以获取更多信息或直接提供答案。...