下载 InfoQ App >
随时随地获取最新技术资讯
演讲人:参与者
演讲人:开发者们
演讲人:王晓野(亚马逊云科技大中华区产品部技术总监),科技捕手(B站UP主),檀东东 Tango(B站UP主)

这更像是一场营销活动,而不是一次真正的 agentic 实验。

中国数百万中小工厂主的共同困境:规模在增长,利润在萎缩;订单在增加,确定性在流失。

2026 年的开发工具会是什么样?Steve Yegge:答案不是 Claude Code

智能体对话正在告别“纯文本时代”!

Snowflake 首席执行官 Sridhar Ramaswamy、LandingAI 执行董事长、DeepLearning.AI 创始人吴恩达(Andrew Ng),以及亚马逊云科技 Agentic AI 副总裁 Swami Sivasubramanian 在 BUILD 2025 上的对谈。

几个小时前,有大批开发者反馈:GitHub 大面积宕机了,社交平台上充斥着“粉色独角兽”的截图和相应的控诉。

过去一年里,Multi-Agent 架构正在成为企业 AI 的新基建。

随着 AI 助手(如 Qwen Code)的普及,用户更希望用自然语言一句话解决问题,比如“为什么 CPU 变高了?”为此,SysOM 将原有诊断能力通过 MCP(Model Context Protocol)进行标准化封装,推出开源项目 SysOM MCP。

亚马逊云科技介绍,Graviton5 相比 Graviton4 最高可提升 25% 的性能,并首次引入 Nitro 隔离引擎。

体系外最值得关注的实验之一”。亿美元种子轮融资的明星公司,如今正迎来成立以来最关键的一次人员震荡。 Zoph 的离职。

亚马逊云科技宣布,Amazon CloudWatch 实现重大增强,从一个基本的监控服务转变为一个统一的可观测性平台,能够整合多账户环境中的操作、安全和合规日志。

首个智能体商业信任协议发布。

Gemma Scope 2 是一套旨在解释 Gemini 3 模型行为的工具,使研究人员能够分析模型的突发行为,审核和调试 AI 代理,并针对越狱、幻觉和阿谀奉承等安全问题制定缓解策略。

FACTS 基准测试套件发布,这是一个旨在系统性评估大型语言模型事实准确性的全新行业基准。

“要求普通、非程序员用户去警惕‘可能表明提示注入的可疑行为’,这是不公平的!”

2026 年,AI 真正“下地干活”的第一战,被阿里打响了。杯“伯牙绝弦”奶茶。整个过程没有人工介入。

“品牌不再争夺用户注意力,他们将竞相争取被 Agent 选中。网站变得可有可无。这就是非人类商业的开端。”

谷歌发布了新的 Gemini CLI 预览扩展 Conductor,为 AI 辅助软件开发引入了结构化、上下文驱动的方法。该扩展旨在解决基于聊天的编码工具的一个常见限制:跨会话丢失项目上下文。

“阿福跟我们的路线不一样”

LangGrant 推出了 LEDGE MCP 服务器,这是一个新的企业平台,旨在让大语言模型在复杂的数据库环境中进行推理,而无需直接访问或暴露底层数据。该版本旨在消除组织在将代理式 AI 应用于受受控生产数据时面临的一些最大障碍,即安全限制、失控的 token 成本和不可靠的分析结果。

欢迎你带着真实问题与实践加入其中,与更多同行一起,把这场正在发生的软件工程重塑讲清楚、做扎实。

极客时间企业版(极客邦控股(北京)有限公司)成功入围中国移动 2026–2028 年培训服务集采项目,正式成为其一级供应商。在技术、市场及政企、培训资源开发三大标段中均取得优异成绩,彰显了公司在 IT 与数智化培训领域的深厚实力和生态优势。

Veo 3.1 的更新,解决了生成式视频领域一项长期存在的挑战:保持镜头间的视觉一致性。

虽开发成本仅 1000 多元,但获得不少头部投资机构的青睐,现在的估值已经飙到了 1 亿元。

亚马逊云科技为 S3 Tables 引入了智能分层(Intelligent-Tiering)存储和跨区域复制功能,以自动优化 Apache Iceberg 工作负载的成本和数据可用性。这些功能允许根据访问模式将数据转移到更低成本的存储层,同时能够在不同区域和账户之间保持一致的只读表副本,无需手动同步。

1 月 19 日,InfoQ 联合 Snowflake 发起了 「MAKE IT SNOW|2025–2026 Data + AI 年度时刻」 直播活动。 这一场围绕企业 Data + AI 战略展开的年度复盘与前瞻对话。活动邀请来自数据平台、开源社区,以及制造、医疗、汽车等行业的一线技术与业务负责人,围炉而坐,如老友般对谈 。我们将共同回到真实的问题本身,剖析企业在推进 Data + AI 规模化过程中遇到的关键抉择 。

年度盘点来啦!辣评 AI 编程工具。

Cursor、Zed、GitHub 都在用的同一套逻辑:OpenAI Codex 如何把 Harness 变成 Coding Agent 创业的抽象层

当所有人都在谈 Skills,AI Agent 真正的底层其实是 MCP

Benchmark 只能说明一部分,大家还是会用自己独特的方式去试模型。我个人喜欢用一一个数学题去测,目前还没看到模型完全解出来,就算是“thinking model”也不行。