标签

后端

主权 AI 的混合架构:把模型能力带进本地,而不是把敏感数据送出去

来源: cloud.google.com 57
对受严格监管的企业和政府机构来说,AI 基础设施过去常常是一道二选一:把数据留在本地,还是使用公有云中的先进模型与算力。如今,混合云和分布式云正在改变这个前提。组织可以把推理服务、模型和管理能力部署到自己的数据中心或边缘环境,同时继续利用云端的软件生命周期和弹性资源。 这并不意味着只要安装一套本地集群就自动获得了“主权”。真正的主权 AI,需要同时回答...

让模型看不见病历也能接受检验:机密计算如何验证脑肿瘤 AI

来源: cloud.google.com 53
医疗 AI 的难题不只是把模型准确率做高,还要证明它能在不同医院、设备和患者群体上稳定工作。问题在于,真实患者数据不能随意离开医院,模型开发者也不愿交出代码和权重。MLCommons MedPerf 与 Google Cloud 的合作给出了一条可操作的路径:让数据与模型在硬件隔离的可信执行环境中相遇,只输出经过批准的评测结果。 脑胶质母细胞瘤等脑肿瘤...

从课程到生产:企业智能体落地的 12 项能力地图

来源: cloud.google.com 47
企业团队讨论智能体时,真正棘手的问题通常不是“模型能不能回答”,而是“它能否在受控条件下访问数据、调用系统、记住上下文,并在故障时被定位和纠正”。Google 推出的 Gemini Enterprise Agent Ready(GEAR)学习路径,正是围绕这条从原型到生产的链路组织:智能体基础、多智能体编排、MCP 工具连接、记忆与状态、领域技能,以及...

MongoDB Atlas 看不到的诊断记录:用 FTDC 找回实例运行现场

来源: percona.com 38
MongoDB 服务器自带一台低调的“飞行记录仪”:FTDC(Full Time Diagnostic Data Capture)。它持续把运行指标写入 ,并通过增量编码和压缩保存较长时间的历史。来源文章指出,一台 MongoDB 服务器每秒会记录约 5,700 项指标。对排查偶发慢查询、复制延迟尖峰、缓存抖动和磁盘拥塞来说,这类时间序列现场往往比一段...

Django 软件基金会首次招聘执行董事:从维护框架走向经营生态

来源: djangoproject.com 36
Django 软件基金会(DSF)正在招聘首位执行董事。这不是一个负责决定 Django 技术路线的“项目经理”,而是一个向董事会汇报、把战略转化为日常运营的付费管理岗位。对已经运行二十余年的 Django 来说,这次招聘释放了一个明确信号:成熟的开源项目不仅需要可靠的代码维护,也需要筹款、合规、沟通和组织能力来支撑长期发展。 Django 诞生于 2...

UNC6671 多品牌勒索背后:用语音钓鱼窃取云身份会话的防御方法

来源: cloud.google.com 49
UNC6671 虽然曾关联的 BlackFile 品牌据称在 2026 年 5 月退出,但相关入侵活动并未消失。威胁情报显示,攻击者改用 Redact、Pink、Helix 和 Falcon 等多个勒索品牌对外运营,而初始入侵路径和后续动作高度一致:假冒 IT 服务台电话、诱导员工访问仿冒登录页、通过 AiTM(Adversary-in-the-Mid...

打开一个开关,让现有网站获得 WebMCP 智能体接口

来源: blog.cloudflare.com 54
Cloudflare 推出的 WebMCP 开发者预览,试图解决一个现实问题:网站通常只为人类浏览器设计,而浏览器 AI 智能体需要可识别、可调用、可约束的操作接口。按照发布摘要,站点开启一个开关后即可供浏览器 AI 智能体使用,不必新增 API,也不必修改源站;与此同时,用户仍掌握操作控制权,内容创作者也能保留进入网站的流量。 传统浏览器自动化依赖 ...

Mirendil 为何同时押注 TPU 与 NVIDIA GPU:把预训练、后训练和大规模 RL 放到合适的算力上

来源: cloud.google.com 34
前沿模型团队越来越少把“选 TPU 还是选 GPU”当作一次性的基础设施决策。Mirendil 与 Google Cloud 的合作体现了另一种路径:在同一套端到端训练体系中同时使用 Google TPU 和 NVIDIA 加速计算平台,并将预训练、后训练及大规模强化学习等负载,匹配给更合适的硬件与集群环境。 Mirendil 已经上线 TPU v5P...

ORBIT:让企业级 AI 从“会推理”走向“可靠执行”

来源: postgr.es 50
企业 AI 最危险的故障,不一定是模型给出了错误答案,而是系统做出了一个重要决定,却没人能在事后解释它是如何发生的。模型可能检索正确、推理合理、选择了正确动作,但外围系统仍会因为超时、重启、重复投递或状态记录丢失而产生错误结果。 这意味着,AI 可靠性不能只靠更强的模型解决。只要 AI 开始修改业务数据、调用外部 API、发送消息或触发审批,它就进入了...

PostgreSQL 不只是存储:为 Agentic AI 构建可恢复的计算层

来源: postgr.es 58
PostgreSQL 已经成为 Agentic AI 的默认数据库,但真正的挑战才刚开始。智能体不再只是读取几张表、生成一段回答,而是在数据库中持续写入记忆、检查点、中间结果、工具调用记录和共享状态。把 PostgreSQL 当成一个“停车场”,只负责把数据放进去,系统很快就会被并发写入、失败恢复和数据膨胀拖垮。 更可靠的做法,是把 PostgreSQ...