企业数据成为AI落地最后瓶颈
随着大模型参数竞赛告一段落，业界共识认为AI应用的天花板已从模型本身转向底层数据的就绪程度。Gartner预测到2025年，80%的数据与分析举措将无法规模化交付业务价值，数据孤岛和低质量数据是主要瓶颈。德恩瑞全球销售副总裁何伟举例，某大型车企尝试部署AI对话分析项目，尽管数据存储在同一数据仓库内，但相同问题两次查询却得到完全矛盾的答案——原因在于各部门对“订单”定义不一：销售以签约为准，财务以收款为准，客服以开始服务为准。AI缺乏明确指引时只能随机拉取数据，结果自然不可靠。IDC预计到2026年全球数据量将超220ZB，传统ETL方式通过物理复制数据到中央仓，成本与效率已无法持续。业界呼吁转向逻辑数据管理，通过虚拟化层统一语义与访问，让AI在真实业务环境中稳定发挥价值。 #AI落地 #数据瓶颈 #企业数据 #数据治理 #数据孤岛 #大模型 #逻辑数据管理 #Gartner #IDC #Denodo
随着大模型参数竞赛告一段落，业界共识认为AI应用的天花板已从模型本身转向底层数据的就绪程度。Gartner预测到2025年，80%的数据与分析举措将无法规模化交付业务价值，数据孤岛和低质量数据是主要瓶颈。德恩瑞全球销售副总裁何伟举例，某大型车企尝试部署AI对话分析项目，尽管数据存储在同一数据仓库内，但相同问题两次查询却得到完全矛盾的答案——原因在于各部门对“订单”定义不一：销售以签约为准，财务以收款为准，客服以开始服务为准。AI缺乏明确指引时只能随机拉取数据，结果自然不可靠。IDC预计到2026年全球数据量将超220ZB，传统ETL方式通过物理复制数据到中央仓，成本与效率已无法持续。业界呼吁转向逻辑数据管理，通过虚拟化层统一语义与访问，让AI在真实业务环境中稳定发挥价值。 #AI落地 #数据瓶颈 #企业数据 #数据治理 #数据孤岛 #大模型 #逻辑数据管理 #Gartner #IDC #Denodo
亚马逊云科技发布生产级智能体开发部署指南
近日，亚马逊云科技在2026中国峰会上正式发布《企业生产级智能体开发部署指南》，旨在解决当前Agent智能体从原型走向生产落地的行业痛点。该指南首次提出以评估为核心的工程实践体系，针对Agent基于大模型运行的概率性输出特性，以及自然语言提示词调整、底层模型迭代等隐形成本导致的落地不确定性，系统性定义了“定标准、开发实现、效果评估、灰度上线、持续监控和改进”六步闭环方法论。指南还明确了八类评估维度及量化框架，并开放了亚马逊内部三个维度的实战案例与开源代码。该指南已帮助多家行业头部客户实现Agent稳定上线，为企业建立适配智能体时代的新工程纪律、获取可衡量业务价值提供了可复制的路径。 #亚马逊云科技 #Agent #智能体 #生产级 #AI落地 #开发部署指南 #工程实践
近日，亚马逊云科技在2026中国峰会上正式发布《企业生产级智能体开发部署指南》，旨在解决当前Agent智能体从原型走向生产落地的行业痛点。该指南首次提出以评估为核心的工程实践体系，针对Agent基于大模型运行的概率性输出特性，以及自然语言提示词调整、底层模型迭代等隐形成本导致的落地不确定性，系统性定义了“定标准、开发实现、效果评估、灰度上线、持续监控和改进”六步闭环方法论。指南还明确了八类评估维度及量化框架，并开放了亚马逊内部三个维度的实战案例与开源代码。该指南已帮助多家行业头部客户实现Agent稳定上线，为企业建立适配智能体时代的新工程纪律、获取可衡量业务价值提供了可复制的路径。 #亚马逊云科技 #Agent #智能体 #生产级 #AI落地 #开发部署指南 #工程实践
亚马逊云科技发布企业智能体开发部署指南，破解落地难题
在亚马逊云科技2026中国峰会上，公司发布《企业生产级智能体开发部署指南》，针对当前企业部署AI智能体（Agent）普遍面临的成本高、价值不清晰、风险管控不足等挑战，提供系统性工程指导。据预测，到2027年底超四成Agentic AI项目可能被取消，仅约5%的生成式AI项目取得高回报。指南提出以评估驱动的Agent开发生命周期（ADLC），将传统线性流程转变为“定标准、开发、评估、灰度、监控、改进”的六环飞轮，强调评估作为工程实践的起点。同时，它梳理了企业常见的三大误区，并沉淀出“两支柱+三类打分器”的量化评估框架，涵盖黑盒/玻璃盒/白盒评估粒度与三层证据权重。指南还附有购物助手、客服Agent、多Agent协作等生产级案例，帮助企业将Agent从原型推向实际生产，确保安全稳定地交付商业价值。 #亚马逊云科技 #企业智能体 #AI #大模型 #工程指南 #评估框架 #ADLC #生产级Agent
在亚马逊云科技2026中国峰会上，公司发布《企业生产级智能体开发部署指南》，针对当前企业部署AI智能体（Agent）普遍面临的成本高、价值不清晰、风险管控不足等挑战，提供系统性工程指导。据预测，到2027年底超四成Agentic AI项目可能被取消，仅约5%的生成式AI项目取得高回报。指南提出以评估驱动的Agent开发生命周期（ADLC），将传统线性流程转变为“定标准、开发、评估、灰度、监控、改进”的六环飞轮，强调评估作为工程实践的起点。同时，它梳理了企业常见的三大误区，并沉淀出“两支柱+三类打分器”的量化评估框架，涵盖黑盒/玻璃盒/白盒评估粒度与三层证据权重。指南还附有购物助手、客服Agent、多Agent协作等生产级案例，帮助企业将Agent从原型推向实际生产，确保安全稳定地交付商业价值。 #亚马逊云科技 #企业智能体 #AI #大模型 #工程指南 #评估框架 #ADLC #生产级Agent
Snowflake AI 提出 Agentic Enterprise，重新定义企业工作模式
在 Snowflake Summit 2026 上，Snowflake AI 正式提出“Agentic Enterprise”理念，旨在利用 AI 深度理解企业数据，并在安全可控的前提下自主采取行动。Snowflake 认为，企业数据中早已蕴藏所需答案，真正的挑战在于如何让 AI 准确理解这些数据，并可靠地执行决策。这一方向标志着企业级 AI 从单纯的分析工具向主动智能代理的演进，有望大幅提升企业运营效率和自动化水平。 #Snowflake #AgenticEnterprise #AI #企业数据 #智能代理 #Summit2026 #科技新闻 #数字化转型
在 Snowflake Summit 2026 上，Snowflake AI 正式提出“Agentic Enterprise”理念，旨在利用 AI 深度理解企业数据，并在安全可控的前提下自主采取行动。Snowflake 认为，企业数据中早已蕴藏所需答案，真正的挑战在于如何让 AI 准确理解这些数据，并可靠地执行决策。这一方向标志着企业级 AI 从单纯的分析工具向主动智能代理的演进，有望大幅提升企业运营效率和自动化水平。 #Snowflake #AgenticEnterprise #AI #企业数据 #智能代理 #Summit2026 #科技新闻 #数字化转型
浙大与蚂蚁集团联合研究：大模型可“未跑先知”预测机器学习方案优劣
当前机器学习智能体（Agent）在执行任务时，主要瓶颈不在代码生成，而在于物理执行时间过长——一套实验可能耗时数小时，导致Agent只能验证少量方案。浙江大学与蚂蚁集团联合实验室的一项研究发现，大语言模型具备在代码执行前预测机器学习方案相对性能的能力：在18438对真实方案对比中，DeepSeek-V3.2在思考模式下准确率达61.5%，显著高于随机基线（50%）和复杂度启发式（50.8%）。论文提出Data-centric Solution Preference任务，并引入Verified Data Analysis Report，让模型先“读懂数据”再判断代码与数据的匹配度。将该预测能力集成到Agent中后，搜索效率提升6倍，最终性能提升6%。该工作《Can We Predict Before Executing Machine Learning Agents?》已被ACL 2026接收为SAC Highlight。 #机器学习 #AI #大模型 #智能体 #ACL2026 #浙江大学 #蚂蚁集团 #效率提升 #论文 #前沿研究
当前机器学习智能体（Agent）在执行任务时，主要瓶颈不在代码生成，而在于物理执行时间过长——一套实验可能耗时数小时，导致Agent只能验证少量方案。浙江大学与蚂蚁集团联合实验室的一项研究发现，大语言模型具备在代码执行前预测机器学习方案相对性能的能力：在18438对真实方案对比中，DeepSeek-V3.2在思考模式下准确率达61.5%，显著高于随机基线（50%）和复杂度启发式（50.8%）。论文提出Data-centric Solution Preference任务，并引入Verified Data Analysis Report，让模型先“读懂数据”再判断代码与数据的匹配度。将该预测能力集成到Agent中后，搜索效率提升6倍，最终性能提升6%。该工作《Can We Predict Before Executing Machine Learning Agents?》已被ACL 2026接收为SAC Highlight。 #机器学习 #AI #大模型 #智能体 #ACL2026 #浙江大学 #蚂蚁集团 #效率提升 #论文 #前沿研究
ThinkingAI Agentic SDK 正式发布，助力鸿蒙端侧 Agent 可观测
随着鸿蒙 HarmonyOS 7 发布及智能体框架 HMAF 2.0 将 Agent 能力下沉至客户端，越来越多的应用开始嵌入对话式 Agent。然而，Agent 的内部运行过程——调用轨迹、耗时、成败等——对开发者而言如同黑箱，传统用户行为分析无法覆盖。ThinkingAI 正式推出 Agentic SDK，全面支持 HMAF 2.0 生态，为端侧 Agent 提供轻量、低侵入的运行观测能力。该 SDK 能完整记录 Agent 的任务执行链，包括所用工具、推理路径、Token 消耗及错误节点，并默认不采集原始对话内容，遵循鸿蒙 HPIC 规范，支持私有化部署。通过将用户操作与 Agent 运行信息对齐，开发者可在同一分析漏斗中排查问题、计算成本、优化留存，从而让端侧 Agent 的迭代有据可依。 #ThinkingAI #AgenticSDK #鸿蒙 #HMAF2.0 #端侧Agent #可观测性 #开发者工具 #AI
随着鸿蒙 HarmonyOS 7 发布及智能体框架 HMAF 2.0 将 Agent 能力下沉至客户端，越来越多的应用开始嵌入对话式 Agent。然而，Agent 的内部运行过程——调用轨迹、耗时、成败等——对开发者而言如同黑箱，传统用户行为分析无法覆盖。ThinkingAI 正式推出 Agentic SDK，全面支持 HMAF 2.0 生态，为端侧 Agent 提供轻量、低侵入的运行观测能力。该 SDK 能完整记录 Agent 的任务执行链，包括所用工具、推理路径、Token 消耗及错误节点，并默认不采集原始对话内容，遵循鸿蒙 HPIC 规范，支持私有化部署。通过将用户操作与 Agent 运行信息对齐，开发者可在同一分析漏斗中排查问题、计算成本、优化留存，从而让端侧 Agent 的迭代有据可依。 #ThinkingAI #AgenticSDK #鸿蒙 #HMAF2.0 #端侧Agent #可观测性 #开发者工具 #AI
数码港启动全港首个"一人公司"创业基地，Web4.0与智能体安全联盟同步成立
数码港于7月13日正式启动全港首个专为"一人公司"打造的创新创业基地——数码港OPC Hub，旨在结合阿里云、AWS、英伟达等国际企业资源，为AI创业者提供算力、模型、云服务等一站式支持。同日，数码港宣布成立"Web4.0与智能体安全联盟"，携手360、CertiK、慢雾科技等12家安全服务企业，应对代理式人工智能与Web3.0融合带来的网络安全风险。该联盟将推动行业协作、制定安全框架，构建可信Web4.0生态。数码港作为香港数码科技枢纽，已汇聚超2300家企业，致力于推动香港成为全球Web4.0枢纽。 #数码港 #一人公司 #OPCHub #Web4.0 #智能体安全联盟 #AI #区块链 #网络安全 #香港科技 #创业
数码港于7月13日正式启动全港首个专为"一人公司"打造的创新创业基地——数码港OPC Hub，旨在结合阿里云、AWS、英伟达等国际企业资源，为AI创业者提供算力、模型、云服务等一站式支持。同日，数码港宣布成立"Web4.0与智能体安全联盟"，携手360、CertiK、慢雾科技等12家安全服务企业，应对代理式人工智能与Web3.0融合带来的网络安全风险。该联盟将推动行业协作、制定安全框架，构建可信Web4.0生态。数码港作为香港数码科技枢纽，已汇聚超2300家企业，致力于推动香港成为全球Web4.0枢纽。 #数码港 #一人公司 #OPCHub #Web4.0 #智能体安全联盟 #AI #区块链 #网络安全 #香港科技 #创业
AICon 深圳大会聚焦 Agentic 负载下的 LLM 推理引擎设计
2026 年 AICon 人工智能开发与应用大会将于 8 月 21 日至 22 日在深圳举办，主题从模型能力转向可规模化的智能系统。阿里云高级开发工程师尚旭春将分享面向 Agentic 负载的下一代 LLM 推理引擎设计实践。他指出，随着 AI Agent 进入生产环境，推理负载呈现高并发、短请求、多轮工具调用等新特征，传统聊天场景的优化目标已不再适用。新一代推理引擎需在保证低延迟的同时提升 GPU Token 输出效率。尚旭春结合 TokenSpeed 研发经验，从 Runtime 与 Kernel 两个层面阐述设计思路，包括前缀缓存、推测解码、跨平台 Kernel 抽象等关键技术，并介绍 AMD GPU 上的适配实践。该分享旨在帮助开发者掌握面向 Agentic 场景的推理系统优化方法，提升大规模 LLM 部署效率。 #AICon #LLM #推理引擎 #Agent #AI基础设施 #性能优化 #TokenSpeed
2026 年 AICon 人工智能开发与应用大会将于 8 月 21 日至 22 日在深圳举办，主题从模型能力转向可规模化的智能系统。阿里云高级开发工程师尚旭春将分享面向 Agentic 负载的下一代 LLM 推理引擎设计实践。他指出，随着 AI Agent 进入生产环境，推理负载呈现高并发、短请求、多轮工具调用等新特征，传统聊天场景的优化目标已不再适用。新一代推理引擎需在保证低延迟的同时提升 GPU Token 输出效率。尚旭春结合 TokenSpeed 研发经验，从 Runtime 与 Kernel 两个层面阐述设计思路，包括前缀缓存、推测解码、跨平台 Kernel 抽象等关键技术，并介绍 AMD GPU 上的适配实践。该分享旨在帮助开发者掌握面向 Agentic 场景的推理系统优化方法，提升大规模 LLM 部署效率。 #AICon #LLM #推理引擎 #Agent #AI基础设施 #性能优化 #TokenSpeed