企业 AI 治理最容易出问题的地方,往往不是模型团队写错了提示词,也不是合规团队没有流程,而是数据层和模型层之间的假设没人验证。数据工程、AI、平台、合规四个团队都在认真做事,但客户数据可能已经被复制到三套环境里:字段定义略有不同,访问控制略有不同,刷新频率也不同。模型层说“只给授权用户看”,数据层反问:“哪一份数据?按哪套权限?什么时候刷新?” 这正...
Google 将 AlloyDB AI functions 推到 GA,并引入了一种值得关注的 proxy model 架构:先用 LLM 的输出训练一个轻量本地模型,再把后续推理放在数据库内部执行。它瞄准的不是“让数据库变成通用大模型”,而是把某些高频、结构稳定、可被近似学习的 LLM 判断,从外部 API 调用变成数据库速度的本地计算。 这件事重要...
Google 将 AlloyDB AI functions 推到 GA,同时引入了一种很实用的代理模型架构:先用 LLM 输出训练一个轻量本地模型,再把后续推理放在数据库内部执行。这个变化的重点不是“数据库也能聊 AI”,而是把一类高频、结构化、可近似的 LLM 判断,从外部 API 调用变成接近数据库速度的本地推理。 传统做法里,应用或数据库函数每处...