搜索“RAG”

uter客户支出领先。两组变化表明，企业采购既看模型效果，也看实际报价，领先厂商同样需要反复争取客户预算。 随着模型能力差距缩小、切换供应商更方便，企业大客户有了更多议价空间。模型效果之外，合同折扣、免费额度和技术支持也在影响采购选择。对模型厂商而言，竞争对手一旦推出效果接近、价格更低的产品，原有客户就可能转向。技术领先带来的高价，越来越难长期维持。 来源：The Information、路透社、Anthropic、OpenAI “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

e 完全自主设计、迭代前沿大模型。因此，我们正考虑修订《负责任扩缩策略》，保证前沿模型的开发始终由人类掌控。” 持怀疑态度的人会指出，S-1 招股文件兼具信息披露和宣传属性，宣称即将做出能够自我迭代的超强模型，或许只是宣传话术。 但不可否认，Claude 今年的能力，尤其是编程、数学和网络安全方面，实现了跨越式提升。如果 Anthropic 判断递归自我改进近在眼前，或许我们应当重视这个判断，并据此采取行动，搭建对应的监管规则。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

验评估各类AI工具在不同部门的用途，综合考量生产力与风险管理等因素，再确定适合长期使用这些工具的人员。 据路透社此前报道，高盛于2025年6月在全公司推出GS AI Assistant，当时已有约1万名员工使用。彭博社此次报道提到，高盛自有AI助手整合了OpenAI、Anthropic及谷歌母公司Alphabet的模型。(作者/宋淑美) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

据，一条报价可达1000至3000元，带完整操作过程的工作场景数据，甚至可以卖到1万元左右。若按每条1000至3000元采购1万条，账单就是1000万至3000万元。对于数据公司来说，单笔订单做到百万、千万元已是常态。 要知道，数据供应商不是第一天就在模型训练行业这么吃香的。 很长一段时间里，“数据外包”意味着给图片和文字打标签。Mercor 副总裁 Chirag Mahapatra 对我们回忆：Mechanical Turk 时代的任务包括垃圾邮件分类、给自动驾驶图片标出停车标志，一批勤恳的人就能做。这就是今天还有很多人会第一时间想到的“数据打标”的模式。 后来，人们开始从模型给出的几个回答里挑一个更好的，用这些偏好指导训练，也就是人类反馈强化学习，简称 RLHF。 再往后，Mercor 请来的已是 MIT、哈佛的博士和数学奥赛奖牌得主，他们写解题步骤、定评分标准。Chirag 对我们说：他看到了清晰的需求侧的变化，但没想到供给侧也如此快跟上。“这些人愿意来做这份工作，赚学费或一份额外收入。” “我觉得一部分是疫情期间的影响，这些人有了时间也有了增加收入的需求。” 模型在预训练中阅读

匹配字段正文

管企业寻求对遗留基础设施进行现代化改造，大型机仍继续支撑着关键的企业工作负载。例如，Mphasis 一直通过其 AI 主导的遗留系统现代化方法，探索将 AI 用于遗留 IT 现代化。 “在大型机上运行关键任务工作负载的企业正面临越来越大的压力，需要在不妨碍可靠性或控制力的前提下实现运维现代化并提升效率，”HCLTech 高级副总裁兼混合云全球业务负责人 Rampal Singh 表示。 Singh 表示，此次发布将 HCLTech 的大型机专业知识与 AI 能力相结合，以简化运维并降低风险。 该方案还依托 HCLTech 专门的大型机卓越中心。该公司表示，该中心提供领域专业知识、行业最佳实践，并为该方案的进一步开发提供支持。 “通过我们专门的大型机卓越中心和 AI 创新能力，我们正将智能体和运维智能直接嵌入大型机环境，”HCLTech 企业副总裁兼 AI 生态系统负责人 Raghu Kidambi 表示。 Kidambi 表示，该平台将帮助企业从被动的大型机管理转向主动管理，同时保持安全性、韧性和治理。 HCLTech 未披露该方案的客户部署情况、支持的大型机平台或量化的运维改进数据。

匹配字段正文

R 在此使用主机安装的网卡驱动和 DRANET 进行 Pod 分配。Network Operator 兼容性仍是单独的资格验证步骤（参见 DOCA 3.3.0 发行说明）。 设备拓扑：Vera Rubin NVL72 计算托盘的网卡/GPU/直接内存访问（DMA）拓扑与 GB200 不同，因此对于远程直接内存访问（RDMA）网络和 GPUDirect Storage 等 I/O 密集型工作负载，必须检查 GPU 到网卡的亲和性以及 NUMA 放置。两种参考托盘都包含两个 CPU 和四个 GPU，但 Vera Rubin NVL72 托盘暴露八个 ConnectX-9 PCI 设备组、共 32 个功能，而 NVIDIA DGX GB200 NVL72 计算托盘上为四个 ConnectX-7 适配器。在 GB200 NVL72 和 Vera Rubin NVL72 托盘中，GPU 0 到 1 的 CPU NUMA 亲和性均为 0；GPU 2 到 3 的亲和性均为 1。GPU 到网卡的连接在同一插槽内为 NODE，跨插槽为 SYS。PCI 功能数量并不代表物理端口数量（参见 GB200 参考

匹配字段正文

n Virtual Private Cloud（Amazon VPC）配置和日志管道。 两项托管能力涵盖了编排与检索。Amazon Bedrock 协助完成智能体编排，为智能体提供原生工具调用能力，使其能够调用 AWS API、查询数据库并检索文档，而无需自定义编排代码。Amazon Bedrock Knowledge Bases 作为全托管的检索增强生成（RAG）能力，负责内部产品卡片的摄取与检索，因此团队无需运行单独的向量数据库。 这让 DevOps 团队能够专注于提示词设计和工具定义。 数据隐私补全了整体图景。Circle K 的事件数据包含运营指标、基础设施详情以及可能含有敏感信息的日志。 Amazon Bedrock 不会与模型提供商共享客户数据，也不会将其用于训练基础模型。对于将生产日志和内部服务详情输入系统的团队来说，这种数据处理方式满足了 Circle K 的安全要求。 解决方案概述 本节介绍初始架构，团队基于 Amazon Bedrock Flows 构建了该架构。后续章节将介绍迁移至 AgentCore 的过程。 该解决方案使用 Amazon Bedrock Flo

匹配字段正文

entCore 的一项能力 AgentCore Gateway 进行路由，同时配合 Web Search 连接器获取实时网络数据。对于以图像作为查询（上传图表以识别零件）的情况，智能体会直接调用原生 Amazon S3 Vectors 索引，因为托管知识库检索 API 不接受图像输入。Amazon S3 Vectors 是 Amazon Simple Storage Service（Amazon S3）的一项能力。一条单独的固定链（Knowledge、Evaluation、Supervisor）会生成正式的集成影响评估（IIA）文档。 Amazon Nova Multimodal Embeddings 以两种不同的角色出现： 多模态检索 – 数据表、ICD 和性能图表均使用 Nova Multimodal Embeddings 进行嵌入，使文本和视觉内容共享同一个语义空间。工程师可以输入“0.06 Nms 轮子的扭矩曲线”或上传图表图像，检索会返回匹配的图表并附带来源归属。 视觉相似度评分 – 当比较两个候选零件时，Nova Multimodal Embeddings 会计算它们照片之

匹配字段正文

馏模型 就是一个著名例子：大型教师的推理通过在教师生成的推理轨迹上进行微调，被蒸馏到较小的 Qwen 和 Llama 学生模型中。 先决条件 要运行此示例，你需要： 一个 AWS 账户，并具有用于 SageMaker AI 的 AWS Identity and Access Management (IAM) 角色 该角色对 Amazon Simple Storage Service (Amazon S3) 存储桶具有读写访问权限，并拥有调用教师模型的权限。 用于生成轨迹的前沿教师模型（本演练使用 Amazon Bedrock 上的一个模型）。 Amazon Bedrock). 访问 SageMaker AI 模型定制 位于受支持的 AWS 区域。 Amazon SageMaker Studio （或本地 IDE，并配备 已配置 AWS CLI），运行 Python 3.12 或更高版本的内核，并使用 SageMaker Python SDK v3 以及 boto3 （固定你的版本）。使用一个 ml.m5.4xlarge 实例 至少对于笔记本环境而言，因为数据准备和本地评分步骤都在其 C

匹配字段正文

的页按此顺序打包到可复用的暂存缓冲区中，然后将它们复制到固定的主机内存。生成的主机页可以直接拆分为共享的 L3 对象。 配置与当前范围 以下选项需要 unified-layout integration build。对于 60 层、八头的示例，将以下选项添加到两个部署中： --enable-hierarchical-cache \ --hicache-storage-backend file \ --hicache-storage-key-scheme unified \ --hicache-storage-head-partition 2 \ --hicache-storage-layer-partition 30 统一键方案会自动选择 page unified 主机布局和内核 I/O 后端。 当前的统一 L3 路径支持文件后端和单个 MHA 或 MLA KV 池。CP 支持仅限于全页副本；DCP 以及按层或按页分片的 CP 需要进一步集成。混合模型缓存组件和草稿模型缓存状态是下一步计划。 5. P/D × HiCache：解码侧前缀复用 在 P/D 服务中，prefill work

匹配字段正文

t Completions API 的 bedrock-mantle 工作负载，请使用 Projects。 第 2 阶段：让每个请求都可观测 CUR 告诉你谁花了钱。调用日志告诉你发生了什么。Amazon Bedrock 支持将请求数据、响应数据和元数据的 模型调用日志 发送到 Amazon CloudWatch Logs、Amazon Simple Storage Service（Amazon S3）或两者。使用 Amazon CloudWatch 进行快速运营查询，使用 S3 加 Amazon Athena 进行长期商业智能（BI）访问。将日志记录视为基础设施，而非手动开关：通过代码预置日志组或存储桶，定义保留和加密策略，并在环境设置期间验证交付。如果日志记录仅存在于开发环境或仅存在于一个区域，那么一旦使用量增长，你的成本计划就会变得支离破碎。 日志记录还弥合了延迟差距：CUR 归因大约滞后 24 小时，但 CloudWatch 加 OpenTelemetry 可以支撑近实时仪表板，在几分钟内显示每位开发者的支出（使用 CloudWatch 和 OpenTelemetry 分析 C

匹配字段正文

。 Building Git infrastructure for agent-scale development - The GitHub Blog 据该文章介绍，此前是将仓库的完整副本放在多台服务器上，同时用于存储和读取处理。增加读取用副本时，写入时需要协调的对象也会增加，因此难以同时增强读取和写入。 因此，新设计将存储分离到Azure Blob Storage，并让负责读取的worker可以独立增减。写入时，仅在更新分支等引用目标的部分进行协调，以确保更新内容不冲突。使数据的存储和检查能够与其他写入并行推进，并将繁重的数据整理从处理常规Git请求的服务器中分离出来[16]。 GitHub正在将运行基础设施迁移到Azure的多个区域，并在Universe上表示，这一迁移预计于2027年初完成。 Actions将目标Linux作业分散到Azure和AWS 除Git基础设施的变更外，还宣布了将GitHub Actions的托管运行器扩展到多个云端的变更。GitHub Actions会将目标Linux作业自动分配到可用的Azure或AWS执行环境。通过增加执行目标，减少拥堵时的等待时间和

匹配字段正文

从模型研发进一步延伸至企业AI产品的部署和交付。 企业AI市场的竞争也已不局限于模型本身。本月，另一家获得英伟达投资的AI办公公司Pigment完成2.5亿美元融资，并披露要争夺微软、甲骨文、IBM等厂商的企业客户。 虽然两家公司的产品路线不同，但都在尝试让AI进入企业已有的业务系统，承担实际工作。对Cohere而言，接下来要争夺的不只是模型调用量，还有企业在办公、运维和网络安全等领域的软件采购预算。 来源：路透社、Cohere “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

练和算力基础设施建设提供资金，也让DeepSeek有机会与芯片、制造、通信等产业链上的企业建立更紧密的联系。在高端算力资源紧张、基础设施投入持续攀升的当下，这种产业协同显得尤为重要。 但资金并不能解决所有问题，高端芯片价格上涨、先进算力供应受限，意味着DeepSeek要面对的是研发成本上涨和算力约束，同时，随着融资规模的扩大，DeepSeek也需要在研发投入、技术进展和资本回报之间寻找平衡。 来源：The Information “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

让AI既能及时调取，也能在解答时更有据可依。 正是对教育场景的深入理解、学情大数据的沉淀和完整学习内容体系的建设，使作业帮大模型在教育场景中优于算力更强的通用大模型，也实现了快速响应、适龄讲解、高准确率与真人交互感的统一。 以AI技术为智慧教育筑底，作业帮将成熟AI能力应用落地家庭场景的同时，也为学校提供可落地、可复制、可持续的AI智慧教育解决方案，建立校内校外互联互通的家校一体化学习新生态，助力学校教育数字化升级与高质量发展。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

实现了十亿级利润。广告广告 SpaceX 不再需要 NASA 了吗？ 这些数字印证了美国科技杂志 Ars Technica 近期在一篇详细报道中所描述的一种发展趋势：十多年来，马斯克的航天公司一直依赖美国政府的资金。如今情况反了过来：NASA 在载人航天运输方面完全依赖 SpaceX，而该公司却日益疏远 NASA。 热门文章 据报道，载人龙飞船（Crew Dragon）将只到 2030 年为止继续把宇航员送入太空。据该报道，猎鹰 9 号运载火箭可能最早在 2028 年退役。据称，SpaceX 不再无条件地竞标利润丰厚的政府合同。广告广告 未来要靠 AI 赚钱 Bloomberg 和 Ars Technica 一致认为，SpaceX 未来将主要靠 AI 赚钱。位于孟菲斯、租给 Anthropic 的巨型数据中心只是开端。马斯克希望大规模将 AI 数据中心迁移到太空，因为那里有太阳能提供的“免费”能源。不过，这在技术上是否可行仍存在争议。 在航天领域，SpaceX 现在把一切都押在星舰（Starship）上。这枚巨型火箭应能比以往系统运输明显更多的有效载荷。然而，Ars Technica

匹配字段正文

一直成立到 4M 参数（@LotfiSanae）。 智能体研究： AgentBaton：从能力强的模型向更便宜的模型进行一次交接，可将 API 成本降低 65.9%（@dair ai）。 SwarmChat：在这个开放的智能体消息平台上，16 个智能体组成的集群以快 6 倍的速度达到与单智能体相当的性能（@PranjalAggarw16）。 DecisionRAG：用决策模型替代检索器，在 R@1 上比稠密检索加 8B 重排序器高出 13.8 个点（@omarsar0）。 本地与云端推理之争：Sam Altman 认为本地推理浪费稀缺的 DRAM（引述）。这一说法遭到反驳（@kimmonismus），并在批处理物理层面获得部分支持（@cis female）。 Codex 使用限额：OpenAI 将 Pro 100/200/500 和 Business Premium 的限额翻倍，并取消了原定的 Pro 200 削减（@thsottiaux）。有一项估计认为，500 美元套餐每月约值 10.5 万美元的使用量（@theo）。 Claude API：最大请求大小从 32MB 提升至 128

匹配字段正文

出，这些收益也未必会同比例转化为普通人的收入。 前不久，马斯克在《乔布斯传》作者Walter Isaacson主持的访谈中，描绘了他想象中的未来：超级智能可能比人类聪明数千倍甚至数百万倍，就像人类并不在意森林里黑猩猩的日常生活一样，超级智能或许也不会在意人类。 这样的未来尚无从验证。但在科技巨头已经开始畅想无限智能、无限富足的今天，普通人仍然在等待一些现实得多的改变——更高的收入、更少的工作，以及真正改善的生活。 我们还在等待。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

受益。 Maya Research CEO 迪曼特 · 雷迪指出，现有许多分词器仍然主要针对英语等数据资源丰富的语言进行优化，根本问题在于缺乏高质量的数字化数据。 雷迪强调，改善训练数据本身还不够：“Token 价格下降得很快，费用差异造成的直接影响应该会逐渐减轻。更好的多语言数据和合成数据也有助于提高模型质量。但要真正缩小不同语言之间的分词差距，AI 实验室仍然需要专门改进下一代分词器的设计，让它们更好地处理这些语言和文字。” “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文

就在前不久，该公司上线了 Waddle World，这款产品本质上类似搭载 AI 的拓麻歌子电子宠物。Meta 还推出过用于风格化游戏开发的 Pocket，以及可以快速生成 AI 视频的 Vibes。 这一批新应用的推出，是 Meta 大规模上新应用战略的一环。《华尔街日报》今年早些时候报道，首席执行官马克 · 扎克伯格告诉员工，得益于 AI 带来的开发效率提升，新品上线的速度和门槛大幅降低，公司计划推出比以往多得多的独立应用。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

匹配字段正文