阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-11-0585 篇

刷新

专业服务商平台Certinia:企业AI代理从编排走向上下文感知交付

快讯
2026-11-05 05:55

企业AI代理要真正在业务流程中落地,需要解决什么架构问题?专业服务商管理软件公司Certinia在2026年11月的Dreamforce活动报道中给出了一个具体回答。theCUBE Research资深AI分析师Scott Hebner从行业视角识别了一个关键转变,Certinia首席产品与技术官Raju Malhotra则描述了这一转变的产品实现路径。两者的角色不同:前者是外部分析判断,后者是厂商产品陈述。

Hebner认为,Veda的意义不仅在于引入了一套AI代理和智能工作流动作,而在于它展示了企业AI的一种可能走向:AI在关键工作流中与人协作,帮助人做出更好决策,并通过扎根于业务上下文、治理和真实运营结果来赢得信任。他特别指出,这代表着从编排到上下文感知交付的移动——Certinia的平台将Veda从单纯的任务串联推向理解业务语境后的受治理行动。

Certinia描述的System of Action采用三层架构:第一层汇集结构化记录(项目数据、工时、利用率)和非结构化项目数据;第二层调用公司超过17年的服务运营经验来辅助决策;第三层让代理在现有工作流中执行受治理的行动。2026年7月收购的Moonnox平台为Veda增加了上下文层,通过知识图谱、持久化项目记忆和服务专用代理,将交付过程中实际发生的邮件、聊天和通话等非结构化信息捕获进上下文图。

Malhotra称Veda从4月发布时的10个代理包扩展到24个,年底将超过40个。9月发布的System of Action将智能动作库从64个扩展到135个。这些数字是厂商自报的进度,没有独立验证。

这个架构思路的参考价值在于:它把企业AI代理这个模糊概念拆成了可检查的组件——上下文从哪里来、规则如何约束行动、人保留什么决策权。Certinia首席运营官Robert Cesafsky将Moonnox描述为结构化数据的摄入机器,强调其功能是将交付过程中产生的信息导入上下文图。

需要明确的边界:整篇报道来自SiliconANGLE与Certinia的付费媒体合作系列,Hebner的评论来自同一媒体家族的研究部门。所有关于Veda能力和客户价值的声明均为厂商归属信息,不构成独立验证。

信息源:SiliconANGLE

研究

思科网络平台负责人:AI代理执行网络变更必须确定性,不能即兴

专题 · 思科AI网络确定性框架快讯
2026-11-03 23:04

网络运维正面临一个规模问题:告警数量已经超出人类处理能力。思科网络平台与ThousandEyes高级副总裁兼总经理Joe Vaccaro在Targeting AI播客中坦言,如果仅靠人类解决这些告警,根本雇不到足够的人。这推动企业越来越放心地让AI代理直接执行网络变更,不再逐步等待人工审批。

思科为此设计了一个四阶段框架:感知问题、利用跨域遥测诊断、规划修复方案、执行变更。四个阶段都使用AI,但执行阶段面临一个硬性约束——网络需要确定性结果,而非概率性结果。Vaccaro的解释是:当你到达执行阶段,真正将变更应用到整个网络时,你需要的是确定性执行。思科的做法是在这一阶段使用预定义工作流,而不是让AI代理即兴发挥。这意味着AI可以决定做什么,但怎么做必须走预定义的固定流程。

信息源:AI Business

研究

Together AI发布“多态推理”框架,称其编译器已用于生产环境优化开源模型

专题 · Together AI实质变化
2026-11-04

AI基础设施公司Together AI于2026年11月4日发布博客,正式提出“多态推理”(Polymorphic Inference)这一新范式,并宣布其名为Together Compiler的工具已在部分生产环境中部署。该工具利用AI代理自动优化推理性能,旨在解决开源模型架构、流量模式和硬件平台快速迭代带来的适配难题。

Together AI研究团队指出,传统的“静态推理”模式依赖于针对特定配置手动调优的内核,难以适应当前开源模型发布速度加快、架构多样性增加以及硬件频繁更新的环境。据该公司称,OpenRouter上80%的流量流向最近三个月发布的模型,且前十大热门开源模型均使用不同架构。多态推理的核心在于让系统能够动态适应这些变化,而非为每种情况编写新的静态内核。

作为实现这一目标的第一步,Together AI推出了Together Compiler。这是一个由AI代理驱动的性能优化循环,被描述为一种“递归自我改进”(RSI)系统。该公司声称,目前通过其端点运行的许多模型已由AI代理完全优化,并称这是全球首个生产规模的RSI推理系统。Together Compiler将传统的编译器翻译问题重构为代理搜索问题,通过一组代理与高保真持久引擎配合,自动识别关键优化模式并持续调整代码以适应新的流量形状和工作负载。

值得注意的是,上述关于“世界首个”及生产环境部署状态的声明均为厂商自报,未提供独立的基准测试数据或具体的性能提升百分比。Together Compiler目前仅向有限beta用户提供早期访问权限。对于关注AI基础设施效率的读者而言,这一动向表明头部服务商正试图通过自动化手段降低对人工内核优化的依赖,但其实际效果仍需后续独立验证。

信息源:together.ai

研究

Render取消AI沙箱30天运行限制,支持状态保留以应对长时任务

专题 · Render快讯
2026-11-05 02:04

云基础设施公司Render于2026年11月4日宣布,已移除其付费工作区计划中AI沙箱(Sandbox)原有的30天连续运行时间限制。这一更新使得Render的沙箱环境能够无限期运行,并在空闲时挂起,随后在收到新命令时恢复,同时完整保留文件、内存和正在运行的进程状态。

此次发布还引入了“持久化工作流”(Durable Workflows)功能,允许开发者使用Python或TypeScript编写长时间运行的任务。如果进程崩溃,工作流可以在新机器上利用保存的步骤结果恢复执行,确保已成功的模型调用、支付和数据库写入不会重复运行。此外,新的共享文件系统允许沙箱和工作流任务访问相同的持久化文件。

Render创始人兼首席执行官Anurag Goel表示,该设计旨在与Vercel等竞争对手区分开来。据The New Stack报道,Vercel目前将单个沙箱会话的不间断运行时间限制为24小时,且重启后运行进程会重新开始。Goel指出,对于需要数天才能完成的代码库迁移或整个应用程序测试等长时智能体任务,保持状态连续性至关重要。

尽管推出了新功能,部分特性仍处于早期阶段。凭证代理(Credential Brokering)功能目前仅向选定客户开放,沙箱私有网络仍在开发中,且并发写入同一文件的冲突处理机制尚未最终确定。Vercel方面在文章发表时尚未对置评请求作出回应。

信息源:The New Stack

研究

独立开发者 Tw93:AI 时代跨端开发真正可复用的不是代码,是规则

专题 · 跨端开发规则复用实质变化
2026-11-04 20:25

Tw93 是少数派作者,开发了 Mole、Kaku、Pake、妙言等多款桌面工具。他在 2026 年 11 月发布了一篇长文,记录了自己用 Mac 开发 Windows 软件的全过程,核心结论是:在 AI 写代码不再是瓶颈的今天,跨平台开发真正需要复用的不是代码,而是规则。

这个判断来自一个具体的工程事实。Mole 的 Mac 版本用 Swift 和 SwiftUI 写成,有十几万行代码。Tw93 最初打算尽量复用这些代码到 Windows 版本,让 AI 分析后发现,能脱离 AppKit、SwiftUI 这些 macOS 系统框架使用的部分不到 20%,剩下的逻辑大量依赖 ~/Library 这类 macOS 独有的路径规则,基本用不上。Windows 版几乎是从零开始写的。

既然代码无法复用,两边怎么保持一致?Tw93 的做法是把同步层上移到设计规则和决策记录。他把 Mac 版写在 Swift 里的颜色、字号、间距、圆角这些设计 token,用一个脚本直接生成为 Windows 里的 XAML 资源;11 种语言的文案从 Mac 的多语言文件格式转成 Windows 格式;甚至菜单栏里的 runner 动画也是同一个脚本同步的。功能层面,他维护一份 SYNC.md 作为对账表,Mac 每加一个功能或修一个安全问题,Windows 这边都标清楚哪些已实现、哪些刻意不同、哪些不适用,以及为什么这样判断。每次同步还会记录对应的是 Mac 的哪一个提交,防止 AI 跑偏后两边越走越远。

他把这个经验概括为一个判断:随着时代发展,所谓的代码抽象没有那么重要了,反而是规则抽象更重要。设计、文案以及踩坑后定下来的各种规则,才是 AI 真正擅长的「能力抽象层」。底层代码各写各的,不需要刻意硬写一层兼容去磨平,那样反而变复杂。

这套方法之所以可行,前提是 AI 把原生开发的效率成本大幅压下来了。Tw93 的工作流是:代码和 AI 上下文全部留在 Mac 上,用 Claude Code 写代码;Windows 只负责编译和验证,通过 Parallels Desktop 虚拟机跑,仓库作为共享文件夹挂进去;虚拟机测不准的场景(高分屏、电池、SmartScreen 拦截)放到一台 ThinkPad X1 Carbon 真机上验证,这台机器设置永不休眠,让 agent 24 小时跑回归测试。最终一个月写了 8 万多行 Windows 代码、4000 多个测试。

架构设计上他也做了配合:Mole Windows 分四层,最底下的 Core 层只依赖 .NET 不碰任何 Windows 接口,清理规则和路径安全检查都放在这里,测试用按 Windows 路径规则模拟的内存文件系统,在 Mac 上就能跑;往上是 Platform 层放注册表和 Win32 调用,打开 EnableWindowsTargeting 后 Mac 上也能编译;再往上是 ViewModel 层和 Mac 版一一对应;只有最上面的 WinUI 界面必须去 Windows 编译。越往下越不碰 Windows,越多代码可以在 Mac 上验证。

不过需要注意到,Tw93 在文首已声明与文中产品有直接利益关系。他的结论天然倾向于验证自己的原生选择。此外,一个月写 8 万行代码的前提是他本人精通两个平台、有多年客户端经验,并且深度使用 AI 编码工具。对于不具备这些条件的团队,或者业务逻辑本身高度共享的场景(比如 Kotlin Multiplatform 这类方案),跨端框架仍然是更务实的选择。他的判断更适用于独立开发者或小团队在 AI 辅助下追求各平台最佳体验的情形。

信息源:少数派 - 高品质数字消费指南

研究

区块链分析公司Chainalysis披露遭“攻击性代理技术”入侵,暂停Reactor等调查工具服务

专题 · Chainalysis实质变化
2026-11-05 08:00

美国区块链分析公司Chainalysis于10月30日披露一起网络安全事件,称外部攻击者利用其所谓的“攻击性代理技术”(Offensive Agentic Techniques)未经授权访问了内部系统及工具,并获取了部分客户用户的识别码、姓名、电子邮件地址及组织角色信息。Chainalysis主要服务于政府执法机构、金融机构和加密货币交易所,协助追踪交易以调查欺诈、勒索软件和洗钱等活动。

据iThome报道,Chainalysis在11月2日的更新公告中表示,为应对相关网络威胁,公司已主动暂停部分产品服务,包括区块链调查工具Reactor和数据服务产品Data Solutions,待完成第三方安全评估后再恢复。然而,考虑到交易监控产品对客户检测洗钱活动的重要性,Chainalysis决定维持该合规服务的运行,并持续监控系统异常。目前官方尚未公布受影响的具体客户数量及暂停服务的恢复时间。

资安媒体Bleeping Computer指出,“代理型”(Agentic)通常指AI系统在有限人工介入下执行多步骤任务,但Chainalysis尚未公布攻击者使用的具体工具和操作方式。Help Net Security分析认为,泄露的姓名和职位等信息可能使攻击者能够针对特定组织人员进行社会工程攻击。这一事件凸显了AI驱动的自动化攻击手段对关键金融基础设施构成的新风险。

信息源:iThome

研究

Wiz调查:攻击者窃取AI平台密钥,数小时内调用数百万次Bedrock API

专题 · Wiz实质变化
2026-11-05 08:00

云端安全公司Wiz近日发布调查报告,指出10月期间多起针对AI程序开发及部署平台的网络安全事件中,攻击者成功存取了客户存储在平台环境变量中的敏感凭证。这些环境变量往往包含AI服务的API密钥,一旦平台被入侵,攻击者即可利用窃取的密钥未经授权地调用客户的AI服务。

Wiz追踪的两起企业AI服务密钥滥用案例显示,在平台供应商通报凭证被存取后的不到30分钟内,攻击者便开始测试密钥有效性,并在数天后大规模调用AWS提供的AI模型服务Amazon Bedrock的API。其中一起案例中,攻击者在30小时内利用窃取的密钥调用了约80万次API;另一起则在13小时内调用了约170万次。研究人员还发现,部分窃取的密钥与名为momo和Xingjiabi的AI模型存取转售活动有关。

此次事件涉及两家主要平台。台湾云端部署平台Zeabur于10月中旬遭到入侵,攻击者读取了超过321万笔环境变量及约32万笔账号资料。Zeabur随后宣布将于12月31日前停止营运。另一家云端部署平台Northflank也在10月底发生资安事件,用户报告其存储在平台上的AI服务API密钥遭未经授权使用。

Northflank于11月2日表示,初步调查显示攻击活动可能集中在该公司控制层存储的敏感信息上,目前尚未发现攻击者存取客户执行中的工作负载或相关资料的迹象。公司已撤销部分存取令牌、终止相关连线阶段,并要求所有客户立即轮换敏感凭证,包括AI服务API密钥、云端服务凭证、私钥及数据库密码等。

信息源:iThome

研究

“AI教父”辛顿警告:科技巨头为逐利忽视风险,重大灾难或成监管契机

专题 · 辛顿AI安全警告实质变化
2026-11-05 00:53

2026年11月4日,据TechRadar报道,诺贝尔奖得主、被誉为“AI教父”的计算机科学家Geoffrey Hinton在接受英国《卫报》(The Guardian)采访时,对人工智能的未来表达了深切担忧。他指出,尽管AI技术有潜力创造更美好的未来,但他害怕如果无法管理好风险,社会将面临巨大的贫富差距、文化冲突、大规模失业以及社会结构的撕裂。

Hinton特别批评了当前AI行业的竞争态势。他认为,包括Meta CEO Mark Zuckerberg、Tesla CEO Elon Musk和OpenAI CEO Sam Altman在内的科技领袖虽然理解AI的风险,但为了保持竞争优势和获取利润,他们选择忽视这些风险。“我认为Zuckerberg、Musk和Sam Altman明白风险所在,但他们根本不在乎。他们宁愿要钱。这是我的信念。”Hinton说道。

关于监管,Hinton提出了一个令人不安的观点:可能需要发生一次严重的AI相关灾难——例如针对全球金融系统的攻击或大规模停电——才能促使各国政府采取有效的监管措施。他将这一潜在转折点比作1979年美国三哩岛核电站部分熔毁事件,该事件推动了美国核能监管的重大改革。

尽管持悲观态度,Hinton表示他并非“末日论者”。他强调:“我的直觉是我们仍然掌控着局面。我们很可能能够做些什么。只有当我们付出巨大努力时才会奏效,但我们很可能会付出这种努力。”他呼吁国际社会在AI发展上加强合作,以更好地理解和缓解风险。

信息源:TechRadar

研究

塞拉俱乐部警告:美国数据中心扩张或致2030年电力排放较2025年激增42%

专题 · 塞拉俱乐部数据中心警告实质变化
2026-11-05 06:10

据TechRadar报道,美国环保组织塞拉俱乐部(Sierra Club)发布最新评估称,为支持人工智能基础设施而计划建设的数据中心可能导致美国电力部门二氧化碳排放量大幅上升。该组织估计,到2030年,与数据中心扩张相关的二氧化碳排放量可能超过4.6亿公吨,这一数字相当于墨西哥全年的碳排放总量。

报告指出,这种增长将使美国电力部门的排放量比2025年水平高出42%,从而抵消过去15年在温室气体减排方面取得的进展。目前,约40%的美国数据中心依赖燃气轮机供电,而可再生能源的补充速度难以跟上消费需求的快速增长。

除了环境担忧,供应链瓶颈也增加了不确定性。燃气轮机价格已上涨50%,制造商面临长达数年的生产积压,部分设备预订甚至排至2032年。这些限制可能迫使开发商继续保留化石燃料发电,而非等待更清洁的替代方案。此外,超大规模云服务商对投资回报的财务疑虑也可能导致部分项目推迟或取消,使得最终的环境影响仍具变数。

信息源:TechRadar

研究

韩国摄像头模组厂商Camus宣布为三星“Bespoke AI Family Hub”冰箱量产供应摄像头

快讯
2026-11-04 13:45

韩国摄像头模组制造商Camus于11月4日宣布,已开始向三星电子的“Bespoke AI Family Hub”系列冰箱全型号供应摄像头模组。这是该公司在家用电器领域产生的首个量产营收项目。

Camus此前主要作为三星智能手机的摄像头模组供应商。此次合作标志着其将移动端积累的视觉硬件能力扩展至家电市场。公司表示,计划通过与三星电子数字家电(DA)事业部的进一步合作,扩大对其他家电产品的供应范围。

除家电外,Camus正在积极拓展非移动领域的业务,包括机器人和安全监控。近期,该公司已进入现代汽车集团人形机器人“Atlas”的摄像头供应链,并正在推进用于面部识别的安全摄像头的供应。

信息源:미래를 보는 창 - 전자신문

研究

NVIDIA 内部实践:AI 代理运维 GPU 集群的五个关键经验

专题 · 英伟达AI代理运维实践实质变化
2026-11-05 06:00

GPU 集群规模扩大后,运维横跨计算、网络、硬件和调度多个层面。训练任务性能下降时,SRE 往往需要逐个打开不同仪表盘,分别检查调度器状态、GPU 温度、网络延迟和应用日志,才能定位根因。NVIDIA 的产品经理 Kavya G Y 和负责 agentic 系统与可观测性的工程师 Rohan Adwankar 在技术博客中记录了他们如何用一组 AI 代理解决这个重复劳动问题。

这套系统叫 AI Factory Operations Agent,运行在 NVIDIA 内部的 DGX H100、DGX B200 和 DGX GB300 生产集群上。核心思路不是用一个全能代理替代 SRE,而是让一组领域专用代理各司其职,通过 Model Context Protocol(MCP)相互通信。SRE 用自然语言向任何代理提问,可以切换调查方向,每一步操作都有审计记录。

NVIDIA 部署了六个领域代理。Job Recovery Agent 检测训练任务失败和 goodput 下降,在调度器、应用、硬件、网络之间执行多层根因分析,确认根因后推荐恢复步骤。Hardware Agent 在设备层面分诊 PCIe 错误、ECC 错误、GPU 故障、NVMe 故障和温度异常,把症状追溯到具体组件。Observability Agent 查询 Prometheus 历史指标和 Grafana Loki 日志,动态生成仪表盘直接显示在网页界面中。Research Agent 检索预载的 NVIDIA Mission Control 手册和 DGX SuperPOD 参考架构文档,也支持用户上传自己的 runbook。Kubernetes Agent 提供只读的集群状态感知,覆盖 Pod、服务、部署、GPU 资源、节点状态和调度状态。Cluster Management Agent 通过诊断 MCP 工具对接 NVIDIA Base Command Manager API,用于集群管理建议和故障排查。

架构中心是 NemoClaw 蓝图提供的用户侧代理运行时,接收 SRE 查询并路由到合适的领域代理。OpenShell 负责治理和控制。每次 shell 执行都在独立的 Kubernetes 沙箱中进行,而非在主网关 Pod 内运行,沙箱生命周期不会修改现有服务或生产负载。安全是分层的:Kubernetes 检查通过服务端 run_kubectl 工具调用固定版本的 kubectl 二进制文件,使用注册的只读凭证,OpenShell 本身不接收 kubectl 或 Kubernetes 凭证。RBAC 明确限定代理可以查看的资源范围——文章展示了实际权限验证结果:可以 get pods 和 configmaps,但不能 get secrets、create pods 或 update pods。

从生产使用中,NVIDIA 提炼出五条经验。第一,清晰的代理边界:重叠的职责归属制造噪音而非信号,每个代理只负责自己的领域。第二,先只读后自动化:准确的调查能力在自动化之前建立 SRE 的信任,让他们先看到代理能做什么、不能做什么。第三,跨层关联:框架将工作负载、硬件和网络信号连接起来,发现孤立工具遗漏的根因——这正是多仪表盘排查的核心痛点。第四,精确的 MCP 工具定义:清晰的工具描述改善路由并减少错误工具选择。第五,透明推理:SRE 需要在采取行动之前看到工具调用、证据和结论。

NVIDIA 持续通过衡量根因分析准确率、追踪 SRE 认同度和扩展代理生态来完善这套框架。对于大规模 AI 工厂,推荐的部署模型是将代理编排和推理放在与生产集群隔离的专用 GPU 加速控制平面上,生产集群只提供遥测数据,不消耗训练 GPU 也不干扰工作负载。内部部署在专用 GPU 容量上运行模型推理,用现有控制平面 CPU Kubernetes 管理空间承载运行时服务。较小规模可以用 RTX PRO Workstation 或 DGX Spark。

多租户场景下,通过限定范围的代理、工具、沙箱和 Kubernetes 权限控制每个租户可访问的集群数据、工具和节点。租户 SRE 只能看到自己的命名空间、任务和节点,中央运维保留更广泛的集群可见性。每个租户可以使用自己的领域代理和专用推理硬件。OpenShell 通过在每个租户的代理和工具运行于内核级限制的隔离沙箱中来强制执行这些边界。

这套编排框架目前以实验性开源软件形式发布在 GitHub 上,API、配置和部署需求可能在版本间变化。NVIDIA 客户可以联系客户经理获取内部开发的集群运维代理。

信息源:NVIDIA Technical Blog

研究

Uber称其最繁忙周仅4次乘车由AI代理预订

专题 · AI代理消费级落地实质变化
2026-11-05 05:56

美国网约车与外卖平台Uber在周三的第三季度财报电话会议上披露,在其10月份最繁忙的一周(即万圣节当周),仅有4次乘车服务是通过AI代理预订的。

Uber首席财务官Balaji Krishnamurthy表示,该公司在该周内处理了约3.2亿次出行和订单,但其中只有500个Uber Eats外卖订单是由AI代理下达的。

Uber首席执行官Dara Khosrowshahi承认,目前AI代理带来的业务增长“非常早期且非常有限”,但他仍对这一领域持乐观态度,认为这是触达用户的新机会。

这一数据与近期关于AI代理(如Meta的Muse、Instinct等)能自主完成购物、订餐等任务的宣传形成鲜明对比,表明尽管技术热度高涨,但在主流消费平台上的实际交易渗透率仍然极低。

信息源:TechCrunch

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系