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

2026-11-1392 篇

刷新

英伟达发布Scale-In架构,利用BlueField-4 DPU为智能体AI提供硬件级安全隔离

实质变化
2026-11-13 06:46

英伟达(Nvidia)近日发布了名为“Scale-In”的新基础设施支柱,旨在解决智能体AI(Agentic AI)在数据中心运行时的安全与管理难题。随着AI智能体在企业环境中承担更多自主任务,传统的安全边界面临挑战。Scale-In结合了BlueField-4数据处理器单元(DPU)、DOCA软件平台以及Spectrum-X以太网,为AI工厂提供专用的加速与安全能力。

英伟达网络高级副总裁Gilad Shainer在接受SiliconANGLE采访时解释,智能体AI的使用场景与传统工作负载截然不同:“现在我们要处理许多需要在基础设施上运行的智能体……你需要提高安全性,确保这些智能体被限制在沙箱中,不会做错事。”Scale-In的核心在于通过硬件实现“带外监控”。BlueField-4作为第四代DPU,内置硅基安全引擎,能够独立于GPU和CPU收集来自内存、存储和网络的全方位遥测数据。这种设计使得安全监控层完全隔离于智能体本身,防止智能体篡改或影响其自身的审计记录。

除了硬件层面的隔离,英伟达还推出了开源运行时工具OpenShell,用于治理智能体的执行、访问和推理路由。OpenShell与BlueField-4结合,形成了从软件定义边界到硬件强制执行的完整安全栈。Shainer指出,OpenShell负责控制智能体行为,而BlueField-4则提供一个“完全分离、完全隔离”的设备来监控环境,确保没有任何智能体能影响监控过程。这一架构此前已在部分参考设计中体现,如集成Vera Rubin基础设施和Vera CPU的OpenShell参考架构,但Scale-In将其正式确立为AI网络基础设施的一个独立支柱。

信息源:SiliconANGLE

研究

Terminal-Bench 4.1 用低权限执行隔离评分逻辑,防止智能体篡改评分结果

实质变化
2026-11-10 07:13

一个基准分数是关于能力的声明,而验证器是让这个声明可检验的东西。如果验证器本身可以被被评估的对象操纵,那么分数就不再衡量能力,而是衡量模型发现评分漏洞的能力。Terminal-Bench 4.1 的核心改动正是针对这一结构性风险。

智能体基准测试与传统的静态问答不同:模型需要在终端中执行命令、编写代码、修改文件。这意味着模型提交的产物可能包含可执行代码,而这些代码有可能在验证器容器内运行。如果提交的代码能够访问评分器或其输出文件,它就可以干扰评分过程——不是通过完成任务获得奖励,而是直接修改奖励值。

Terminal-Bench 4.1 采用的方案是 RewardKit Workers:一个来自 Harbor 团队的可选包,其核心设计是将模型提交的代码视为不可信输入。Worker 以无特权用户身份运行提交的代码,阻止它读取测试文件或写入奖励文件,并在调用返回前终止它启动的所有进程。验证器在隔离环境中独立评估输出,测试和预期答案始终留在评分逻辑一侧。这样,提交代码在结构上无法接触它试图影响的评分结果。

为什么不用更简单的方案——逐一修补已知的攻击模式?文章指出,修复单个已知漏洞模式有帮助,但每增加一条检查也可能拒绝合法的工作。模式匹配是一种对抗性思路,而结构隔离是一种设计性思路:与其猜测模型会怎样攻击评分器,不如让评分器在物理上无法被攻击。

这一机制有明确的适用边界。4.1 仅在受影响的验证器中使用 Workers,并非全部 66 个任务都采用了这一方案。Worker 保护的是评分奖励,不是通用机器沙箱——任务级别的沙箱和资源限制仍然重要。此外,即便有了隔离,任务作者仍需要领域专业知识来判断检查是否真正捕捉了成功完成,以及是否允许了合法的替代解法。

一个实际的验证数据:用 4.1 的验证器重新评分 4.0 的排行榜试验,约 1% 的奖励发生了翻转,排行榜分数仍在先前报告的置信区间内。这说明 4.0 的分数大体上是有效的,但并非完全不受验证器缺陷影响。对于读者而言,这意味着在解读任何智能体基准分数时,值得追问:这个分数背后的验证器是否做了隔离?

信息源:Snorkel AI

研究

谷歌推出Gemini 4 Hydrogen及Antigravity中的Orchestrator功能,实现编码代理动态模型切换

实质变化
2026-11-13 05:26

美国科技巨头谷歌于2026年11月12日发布了新的语言模型Gemini 4 Hydrogen,并同步在Antigravity开发环境中推出了名为Orchestrator的新功能。该功能改变了编码代理使用AI模型的方式:不再在整个会话中持续运行最强大的模型,而是根据任务进展在Hydrogen和更强大的Gemini 4 Carbon之间动态切换。

据谷歌称,这种组合方式在保持与单独运行Carbon几乎相同结果的同时,减少了24%的配额使用量,并将任务完成速度提高了19%。在Orchestrator机制下,Carbon负责处理架构设计和调试等需要复杂推理的任务,而Hydrogen则执行代码修改和测试。例如,Carbon可能先分析仓库以确定如何实现某个功能,然后将实际编码工作交给Hydrogen;当测试失败需要重新思考方法时,Carbon会再次介入,随后将执行权交还给Hydrogen。

谷歌DeepMind人工智能工程副总裁Clement Farabet在X平台上称这种组合是“智能体编程的巨大突破”。谷歌Antigravity团队负责人Varun Mohan也表示,将Hydrogen与Orchestrator及swarm功能结合在内部非常受欢迎。

然而,谷歌自身的基准测试报告存在不一致之处:主要的Gemini公告引用了Terminal-Bench 4.0,而Antigravity的公告则引用了版本4.1。此外,谷歌尚未公布Carbon的独立成功率、按任务细分的数据或关于Orchestrator路由决策的足够细节,以展示所报告的效率提升究竟来自何处。

目前,Orchestrator功能仅限于Google AI Ultra订阅用户使用,未来计划支持更多模型和订阅层级。Hydrogen正在向付费Antigravity用户推出,预计将提供更广泛的可用性。

信息源:The New Stack

研究

云服务商Nebius称其内部强化学习自动调优器在英伟达B300上实现最高4.93倍训练加速

快讯
2026-11-12 08:00

AI基础设施公司Nebius于2026年11月12日发布技术博客,介绍其内部开发的强化学习(RL)自动调优系统。据该公司称,该系统在NVIDIA B300 Tensor Core GPU上测试了四种模型和两种工作负载,最佳配置使训练步骤在固定GPU预算下加快了1.42至4.93倍,中位加速约为3.5倍。

测试涵盖Qwen3.8-27B、Qwen3.6-35B-A3B、GLM-5.3-Flash和DeepSeek-V4.1-Flash等稠密及混合专家模型,工作负载包括数学推理(DAPO)和智能体编码(SWE-bench Verified)。其中,GLM-5.3-Flash在编码任务上取得了接近5倍的最高加速。Nebius指出,DeepSeek-V4.1-Flash的编码任务在40块GPU上的运行速度甚至快于早期设置在56块GPU上的表现,每步GPU秒数减少了38%。

该自动调优系统通过剖析每个作业的限制因素,预测潜在改进并实时测试来优化配置。Nebius提到,其预测子代理在回顾性评估中的中位步骤时间误差为5.7%。所有最佳配置均保持在作业的训练器-滚动器差距限制内,且伴随数值检查和奖励比较以验证训练质量未受损。

需要注意的是,上述数据均为Nebius在其特定硬件环境和模型组合下的自报结果,目前尚无第三方独立复现或公开基准代码。对于依赖大规模强化学习后训练的开发者而言,这一效率提升若能在其他环境中重现,将显著降低计算成本和时间开销。

信息源:nebius.com

研究

GitHub开发者倡导者Andrea Griffiths:构建跨客户端可移植Agent技能的三层分离法

实质变化
2026-11-13 06:54

你本周有多少次向同一个Agent重新解释同一件事?又有多少次不得不去问一位掌握深厚机构知识的同事,才能解决某个具体问题?GitHub开发者倡导者Andrea Griffiths在2026年11月12日发布的这篇实践指南中,把这种重复劳动视为Agent技能要解决的核心痛点:上下文不该消失在聊天记录里,也不该锁在一个人的脑子里。

一个Agent技能是一个以SKILL.md文件为中心的版本化目录,描述何时以及如何完成一项可重复的任务。Griffiths强调一个关键边界:技能描述的是做事的指令,不是做事的权限。一个技能可以描述如何查询数据库,但它不会授予对该数据库的访问权。工具、凭证和权限仍然由运行技能的那个宿主环境提供。这意味着技能本身是可移植的,但移植不等于即插即用——目标环境必须已经具备技能所假设的工具和访问条件。

有了这个边界,Griffiths给出了让技能真正跨项目、跨团队复用的核心方法:把项目配置从技能指令中分离出来。在Data Forge的support-desk管道示例中,forge-init技能首先探查源表和命名约定,把发现的项目细节写入一个resolved manifest;后续技能读取这个manifest获取它们所需的项目上下文,而不是各自重新猜测或把具体名称硬编码进指令。manifest描述项目名、指标存储和平台引擎,技能描述做事的规则和标准。一个在仓库中发现的模式不自动等于应当保留的规则,所以发现的细节必须可审查,由人确认或修改需要业务判断的部分。

多个技能如何协调是第二个关键问题。forge-builder技能从issue到pull request协调整个工作流,调用forge-dbx查询数据平台,调用forge-lint应用团队标准。forge-dbx为所有Data Forge技能提供一条统一的数据平台访问路径:它读取manifest并选择Databricks或DuckDB适配器,每个技能不必各自定义连接和查询逻辑。Griffiths用一句话概括这个设计原则:当步骤变化时,你改一个技能,其余的不动。

跨客户端移植是这套方法的最后一环。Data Forge示例保留skills//SKILL.md作为唯一源文件,用一个打包脚本生成各客户端的适配文件:.claude-plugin/plugin.json给Claude Code,.cursor-plugin/plugin.json给Cursor,.github/agents/.agent.md给GitHub Copilot。脚本还包含一个CI检查模式,确保各客户端文件与源保持同步。安装技能后,Griffiths建议逐项验证:客户端是否识别该技能用于预期任务、是否加载了引用文件、能否使用所需工具、是否返回技能要求的证据。

Griffiths也划出了技能方法的适用边界。技能适合有界、可重复、受益于可复用判断的工作——检查清单、发布流程、迁移、指标管道。如果工作流需要稳定接口、共享状态、审计追踪、长时间控制或模型外部强制的权限,那更适合构建一个应用。这个区分提醒读者:技能是捕获判断的载体,不是替代基础设施的万能方案。

她的三条实践建议归结为:把业务上下文放进一个文件让所有技能读取;给相关技能一条一致的平台访问路径;用指令引导工作,用检查和人工审批点验证工作。如果某个检查必须阻止合并或部署,那应该在仓库规则中配置,而不是在技能指令中声明。

最后Griffiths给出了一个务实的起点:从你厌倦了反复解释的那个任务开始。写下它需要什么、在哪里结束、审查者看到什么。然后用另一个Agent试一次,在学到什么有效时改进它。

信息源:The GitHub Blog

研究

Natera实验室工程负责人Ariel Jirau:诊断准确率停滞时,先检查数据覆盖而非调模型

实质变化
2026-11-13 05:47

Natera是一家专注无细胞DNA检测的临床实验室公司,其实验室运营依赖大量精密仪器,每台设备都有各自的故障模式、供应商文档和解决路径。负责维护这些基础设施的服务工程团队长期围绕个人深度专长组织,而非标准化操作手册。当一位资深技师离职时,他多年积累的诊断知识随之消失——没有系统能够捕获、组织或规模化部署这些经验。每天超过65张工单、平均17.4小时的首次响应时间,意味着仪器停机直接延迟样本处理和患者报告。

Natera实验室工程负责人Ariel Jirau带领团队与AWS合作构建了SWARM系统。在回顾这个项目的架构决策时,Jirau给出了一个对从业者颇具启发的判断:诊断准确率本质上首先是数据质量问题。团队发现,当准确率进入平台期时,最常见的原因不是模型能力不足,而是知识库中缺少特定仪器家族的供应商手册。为得分最低的仪器家族补充缺失文档后,准确率从71%升至75%,而模型本身没有任何改动。

这个判断背后是一套具体的架构选择。SWARM的核心组件是一个包含33项技能的版本化技能库:24项仪器专属技能覆盖Natera支持的全部设备家族,另外9项跨领域工作流技能适用于所有工单类型。每项技能都有明确接口、可独立测试,并按与整体系统相同的标准进行评审——被当作生产软件对待,而非嵌入提示词中的逻辑片段。Jirau解释这一选择的原因:当诊断出错时,团队需要指向一个具体技能来定位问题,而不是调试整个系统。

技能库内部遵循一条清晰的分工线:Python处理确定性任务,例如解析Jira字段或格式化HTML报告;大语言模型技能处理语言推理,例如解读症状描述、匹配供应商文档、生成诊断叙述。这条分界线本身是Jirau认为构建多技能代理时影响最大的决策之一——它决定了哪些环节可以被精确测试和审计,哪些环节必然带有概率性。

SWARM将诊断工作拆分为两个独立运行时,共享同一个技能库。swarm-agent面向吞吐量设计:它根据设备类型和症状选择技能、查询知识库,生成包含首要原因假设、排序后的排查步骤和自评置信度标签的结构化HTML报告,在几分钟内交付到工单中。swarm-hive面向深度设计:工程师可以交互式追问、上传图片、探索替代排查路径,AgentCore记忆功能保留每位工程师的跨会话上下文。这种分离的理由是自主后台分析和交互式工程协作对延迟和上下文的需求根本不同。

持续评估机制是这套架构能够运转的闭环。每张工单处理后,工程师记录实际发现和修复内容,评估者将代理回复按仪器家族分级为准确、部分准确或错误。结果被审阅以定位代理表现不佳的环节,修复通常通过更新知识库完成,然后重跑评估集确认改进。在524张工单的评估中,269张有对应的工程师验证结果可供比较。高置信度标签的工单在154个案例中达到74%准确率,中等和低置信度在78和37个案例中均为65%——但低置信度样本量太小,尚不足以得出统计结论。

需要指出的是,这些性能数据来自Natera自报并由AWS平台发布,评估期为90天生产运行,覆盖524张工单。文章未披露同期工单总量变化、是否存在选择效应(复杂事件是否仍依赖人工介入),也未提供迁移前后的对照实验设计。74%的高置信度准确率意味着即使代理最有把握的诊断,仍有约四分之一的案例需要工程师独立验证。

对正在构建agentic系统的团队而言,SWARM案例中最可迁移的认识有两点。第一,将技能视为版本化生产软件而非提示词逻辑,使系统在出错时可审计、可局部修复。第二,当准确率停滞时,优先检查数据覆盖而非调整模型——团队发现,供应商文档缺口是漏诊最常见的原因,因此将数据覆盖检查置于模型调优之前。Jirau的原话概括了这个优先级:诊断准确率是数据质量问题在先。

信息源:Amazon Web Services

研究

谷歌发布Gemini 4 Hydrogen模型,成为AI搜索新默认引擎

实质变化
2026-11-13 05:55

美国科技巨头谷歌(Google)于2026年11月12日宣布推出新的Gemini 4 Hydrogen大语言模型,并将其设为其AI搜索模式(AI Mode)的默认引擎。据谷歌搜索产品副总裁Robby Stein称,这是“对搜索进行的最大规模模型升级”。该模型即日起在搜索、Gemini应用、Google AI Studio所有层级、Gemini API以及面向企业用户的Gemini for Business中可用。

谷歌表示,Gemini 4 Hydrogen旨在更好地处理复杂问题,包括包含多个部分的问题、难以理解的拼写错误或高度具体的请求。新模型能够分解用户的问题,并在回答中逐一解决每个部分。此外,它通过“在所有相关子主题上同时执行查询”来提供更广泛的链接范围,并增加了图像、对比表格、图表和地图等视觉元素。例如,Stein展示了一个案例,其中AI生成了一个交互式动画驾驶模拟,以解释手机如何在没有蜂窝服务的区域定位汽车所在的高速公路车道。

在性能方面,谷歌声称Gemini 4 Hydrogen相比之前的Gemini Flash 3.8模型在速度和智能上都有显著提升,并且“达到或超过同类竞争模型”,如Anthropic的Claude Sonnet 5.5和OpenAI的GPT-6.1 Terra。用户现在可以选择低、中、高以及新增的“xhigh”思考级别。尽管这些比较基于谷歌自测数据,未经独立第三方验证,但此次更新标志着谷歌在将生成式AI深度整合进核心搜索体验方面的最新进展。

信息源:The Verge

研究

俄罗斯云服务商Yandex Cloud称无人机袭击致2.84%数据永久丢失,现强制默认开启备份

快讯
2026-11-13 05:00

俄罗斯云服务商Yandex Cloud在其博客中更新数据,称在乌克兰无人机对其数据中心发动的系列袭击后,已恢复超过97%的客户数据访问权限。然而,该公司承认“剩余2.84%的数据因设备严重损坏而无法恢复”。

Yandex将部分数据丢失归咎于用户未进行备份,指出使用其备份工具的用户未丢失任何数据。鉴于此事件,Yandex Cloud已更改政策,目前在该平台创建的所有虚拟机均默认启用备份功能。此外,Yandex还开设了一个新的秘密可用性区域ru-central1-f以提高容错能力,但未披露该数据中心的具体地理位置。

信息源:Tom's Hardware

研究

运行时安全初创公司Raven.io宣布进入韩国市场,优先瞄准金融等强监管行业

快讯
2026-11-12 19:17

2026年11月12日,专注于应用程序运行时安全的初创公司Raven.io在韩国首尔举行了首次国内新闻发布会,正式宣布进入韩国市场。该公司由前Symantec高管创立,旨在通过其独特的运行时监控技术,帮助企业在公共漏洞和暴露(CVE)编号发布或补丁可用之前,识别并阻止针对开源组件的恶意攻击。

Raven.io联合创始人兼首席执行官Roi Abitboul在发布会上强调,随着AI被广泛用于发现和利用漏洞,传统的基于已知签名的防御手段已显滞后。Raven.io的技术类似于安装在代码执行路径上的“闭路电视”,能够实时监控运行中的库、函数和执行路径。当检测到异常行为时,系统会立即应用策略以阻止危险操作,而无需中断整个应用程序。

为了在韩国市场落地,Raven.io与总部位于新加坡的商业咨询公司The Executive Action建立了合作关系。双方计划采取订阅模式、经销商合作以及与管理服务提供商(MSSP)协作的三种策略进入市场。鉴于金融行业对数据安全和合规性的严格要求,且大量使用复杂的SaaS和开源基础设施,韩国金融机构将成为其首要目标客户群。

信息源:바이라인네트워크

研究

CopilotKit发布OpenBot 1.0:开源、可自托管且内置治理的AI同事工作区

实质变化
2026-11-13 05:45

CopilotKit于2026年11月9日发布了OpenBot 1.0,这是一个采用MIT许可证、可自托管的AI同事(AI coworker)工作区。与许多锁定特定供应商或模型的AI代理产品不同,OpenBot允许企业使用自己的基础设施、模型和代理框架,同时通过内置的治理机制确保安全性。

该产品的核心特性是其“治理网关”。每一个浏览器点击、文件写入或工具调用在执行前都会经过一个基于CEL(通用表达式语言)的策略评估。审计记录会在操作发生前写入,如果规则被破坏或拒绝,操作将被阻止而非放行。这种设计旨在解决企业在部署自主代理时对数据泄露和未经授权操作的担忧。

OpenBot支持多种主流AI代理框架和模型。它兼容AG-UI协议,这意味着它可以接入Claude Agent SDK、OpenAI Agents SDK、LangChain等8种以上框架。在模型方面,用户可以使用OpenAI、Anthropic、Google Gemini以及Kimi、DeepSeek等开源模型。每个“Bot”都运行在一个独立的容器中,拥有自己的Chromium浏览器和文件系统,仅能访问被授予的工具。

对于个人用户,OpenBot提供免费的本地运行版本;对于企业用户,其商业版定价最高为每活跃用户每月29美元,并包含单点登录(SSO)、SCIM同步、细粒度的工具权限管理和完整的审计追踪功能。该版本还推出了适用于Mac和Windows的桌面应用程序,简化了本地部署流程。

信息源:MarkTechPost

研究

应用材料公司公布创纪录财报:Q4营收同比增53%,非GAAP每股收益翻倍

实质变化
核验于 2026-11-13 06:39

美国半导体设备制造商应用材料公司(Applied Materials, Inc.)于2026年11月12日发布了截至2026年10月25日的2026财年第四季度及全年财务结果。数据显示,公司在该季度实现创纪录的营收104.1亿美元,同比增长53%;非GAAP每股收益为4.16美元,同比增长92%。

从全年表现来看,应用材料公司2026财年总营收达到344.5亿美元,同比增长21%。全年非GAAP每股收益为12.89美元,同比增长37%。毛利率方面,第四季度GAAP毛利率为50.4%,非GAAP毛利率为50.6%,分别较去年同期提升240和250个基点。

现金流方面,公司在第四季度产生创纪录的经营现金流33.0亿美元,自由现金流26.1亿美元。股东回报方面,公司通过股票回购和股息向股东分配了24.2亿美元,其中股票回购金额为20.0亿美元,创下八年多来单季最大规模。

首席执行官Gary Dickerson表示,AI持续推动对半导体的强劲增量需求,公司已建立最有力的产品组合以推进AI计算路线图。首席财务官Brice Hill指出,技术领导地位使公司在晶圆厂设备市场保持优势,并实现了显著的盈利增长。

信息源:sec.gov

研究

Sage CTO:财务团队拒绝AI不是因为模型不够准,而是看不到推理过程

实质变化
2026-11-12 18:06

Harris在Sage Future for Partners大会上指出,一年前AI财务应用的挑战还是让模型准确到可以信任,现在挑战已经变成模型周围的一切:让智能体安全运行的系统、可审计的推理链、以及CFO能接受的稳定成本。他把信任拆成四个具体条件——数据安全、伦理构建、人类控制权、以及胜任且可预测的执行——并强调这些条件缺一不可。

支撑这一判断的是Sage委托IDC做的一组调研数据。财务负责人目前每周花超过12小时验证AI生成的输出,28%的时间消耗在反复核查和怀疑上。更关键的是,70%的CFO表示即使AI输出准确率达到99%,只要看不到推理过程他们就会否决。Harris认为这不是CFO抗拒AI,而是对错误代价的清醒认知——在财务和会计领域,信任缺失的成本是真实且可量化的。

成本波动是另一个被忽视的信任维度。Sage高级ERP与财务运营系统产品负责人Stuart Langer解释,CFO不是付不起钱,而是受不了变。如果每月固定两千美元,他们可能不喜欢但能接受;但这个月两万四、下个月零、再下个月又两万四,这种不可预测性才是真正的问题。报道作者Mark Chillingworth由此提出,Sage基于自身超过1500万张发票训练的专有模型,与业界关注的小语言模型思路有相似之处——后者正是为了降低通用大模型token费用的不可预测性而受到数字决策者重视。

Sage的应对方案是把推理过程本身变成产品功能。AI Workspaces中Sage Copilot的每个结论都附带可追溯链接,展示推理如何得出,平台追踪整个流程、涉及的智能体和任务完成方式。Harris将其概括为三个原则:可解释、可验证、可分析。Langer用一句话总结设计逻辑:后果决定控制。

需要保留的边界是,以上所有论据都来自Sage高管在自家合作伙伴大会上的陈述和Sage委托的调研。所谓Sage模型比Anthropic Claude更准确的对比是Langer引述的厂商自测结果,未经独立复现。IDC数据反映的是Sage客户群体的感受,不一定代表整个财务行业。但作为对'为什么通用AI能力已经足够、特定领域仍然拒绝采用'这一问题的具体回答,这组条件框架——推理可见性、费用可预测性、操作可审计性——为其他行业的AI落地提供了可参照的诊断清单。

信息源:diginomica

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系