标签

云平台

AI 搜索变聪明后,内容创作者要重新设计“被发现”和“被付费”

来源: blog.cloudflare.com 38
搜索曾经是一条相对清晰的路径:用户输入关键词,搜索引擎展示链接,创作者通过访问量、订阅、广告或交易获得回报。现在,AI 正在改写这条路径。用户可能不再点击十个蓝色链接,而是让智能体直接总结、比较、购买、规划。对创作者和商家来说,问题变得更尖锐:如何继续被 AI 找到?被引用、被推荐、被交易时,又如何获得合理回报? 这类变化不是单纯的搜索框升级,而是内容...

AI 爬虫不再一刀切:给搜索、智能体和训练流量分别立规矩

来源: blog.cloudflare.com 43
网站正在面对一种新的访问者:它们不是传统用户,也不完全是搜索引擎。AI 搜索需要抓取页面生成答案,智能体会替用户完成任务,训练爬虫则把内容带进模型语料。新的 AI 流量选项把这些访问拆成 Search、Agent、Training 三类,并允许站点对广告变现页面做额外保护。重点不是“全放”或“全挡”,而是让站点所有者按页面价值和业务目标定规则。 传统 ...

用 Cloudflare Attribution Business Insights 看清爬虫流量的商业账

来源: blog.cloudflare.com 43
Cloudflare 推出的 Attribution Business Insights 仪表盘,把“爬虫来了多少、抓了什么、可能带来什么价值”从安全日志里的技术噪声,拉到了业务讨论桌上。对网站所有者来说,这不只是识别 bot,而是为内容被抓取、索引、训练或聚合时的成本与回报建立一套更清晰的对话基础。 过去看爬虫,很多团队只盯几个问题:是否恶意、是否打...

把前沿模型安全交到客户手里:从 Amazon Bedrock 看 AI 发布的安全底座

来源: aws.amazon.com 58
前沿模型的发布不只是“把 API 打开”这么简单。模型越强,调用链越长,企业客户越关心一个问题:我的数据、权限、审计和运行边界是否仍然可控?AWS 在这篇文章中强调的核心,是把 Amazon Bedrock 这类 AI 服务放在 AWS 二十多年安全建设的基础之上,而不是把生成式 AI 当成一套孤立的新系统。 对企业来说,AI 服务进入生产环境时,风险...

用 AG-UI 把 Bedrock AgentCore 代理变成可交互前端

来源: aws.amazon.com 42
AI 代理如果只会返回一段文本,很快会撞到产品边界:用户需要确认操作、编辑中间状态、查看结构化结果,甚至让代理临时生成一个小界面。AG-UI 的价值就在这里:它把代理运行过程中的状态、事件和 UI 意图变成前端可以消费的协议层。来源文章讨论了 AG-UI 如何接入 Amazon Bedrock AgentCore 的 Fullstack AgentCo...

用托管权益把 Amazon Bedrock 模型访问收口到一个中央账号

来源: aws.amazon.com 58
多账号架构里,Amazon Bedrock 模型访问常常卡在一个现实问题上:每个工作负载账号都要处理订阅、权限和治理。托管权益的思路是把“订阅一次、组织内分发访问”变成中心化流程,让中央账号负责模型订阅和授权,工作负载账号不再需要直接拥有 AWS Marketplace 相关权限。 在大型组织里,Bedrock 的使用者通常不是一个账号:研发、数据平台...

用 Amazon Bedrock 和 LLM Gateway 给生成式 AI 应用加上韧性

来源: aws.amazon.com 38
生成式 AI 应用上线后,最先暴露的往往不是 prompt 写得好不好,而是系统能不能扛住流量、限额和依赖波动:突发访问把模型配额打满,单一区域推理不可用,多租户场景里某个客户把大家的吞吐吃光。围绕 Amazon Bedrock,可以从托管能力开始做韧性设计,再逐步引入 LLM gateway,把多模型、多区域、多租户策略收敛到统一入口。 下面按工程落...

Outpost VFX 如何用 AWS 多 GPU 训练把换脸模型提速 8 倍

来源: aws.amazon.com 46
视觉特效里的 AI 换脸不是“跑一个模型”那么简单。镜头多、角色多、光照和表情变化复杂,训练时间会直接影响制作排期。Outpost VFX 的案例值得关注:他们把原本受单 GPU 限制的换脸训练流程迁移到 AWS 多 GPU 基础设施上,训练速度提升到约 8 倍,让模型迭代从瓶颈变成可调度的生产能力。 换脸模型训练通常会遇到三个硬问题: 数据量大:一个...

用 Amazon Bedrock 蒸馏双语货运 NER:从大模型到可部署小模型

来源: aws.amazon.com 54
货运物流里的实体识别不是普通 NER。提单、航班、机场、ULD、商品描述、客户备注经常混着英文缩写、本地语言、行业黑话和不完整句子。来源文章分享了 IBS Software 使用 Amazon Bedrock 知识蒸馏能力构建双语货运 NER 的技术路线:用更强的教师模型生成 token 级标注,再训练更轻、更稳定、成本更可控的学生模型。 这类方案的价...