- 综合排序
- 最热优先
- 最新优先
- 来自专栏AIGC新知
Meta Llama 4 全面解析：全新的原生多模态 AI
Llama 4：原生多模态，混合专家架构，超长上下文支持。 此外，Llama4系列还整合了文本、图像和视频的统一框架，使其具备原生多模态能力。 它采用了混合专家（MoE）架构，提高了训练和回答用户查询时的效率。 接下来将带你详细了解本次llama4模型的新特性。 技术背景 Llama4 是 Meta 于 今日发布的新一代开源大语言模型系列，标志着其在多模态 AI 领域的重要突破。 原生多模态融合 Llama 4采用了原生多模态设计，能够处理和整合各种类型的数据，包括文本、视频、图像和音频，并且可以在这些格式之间转换内容。 可能解锁AI工程代理（如自动化编码与问题解决），被视为Meta争夺技术制高点的关键。
2.6K60编辑于 2025-04-07 AI原生开发范式
AI原生开发范式的核心概念 AI原生开发范式（AI-Native Development）指以AI为核心构建应用程序的设计方法，其特点包括数据驱动、模型即服务（MaaS）、自动化工作流和持续学习。 与传统开发相比，AI原生应用将机器学习模型作为基础组件，而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程，实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台，整合多种医学影像模型（CT、MRI）。 model.predict(input_data) r.setex(key, CACHE_TTL, pickle.dumps(result)) return result 效能评估指标 AI 原生系统需监控多维指标： 模型指标：AUC-ROC、F1 Score、推理延迟 系统指标：QPS、错误率、资源利用率 业务指标：转化率、用户留存、ROI 监控看板应包含实时数据和历史趋势对比，设置自动告警阈值
35110编辑于 2026-01-20AI原生组织（AI-Native Organization）
"业务先行、AI补丁"，原生是"AI即底座"。 应用榜排名|**第4名**|----###3.3华为、联想、飞书：传统企业的AI原生转型|企业|实践方向||:-:|:-:||**华为**|将AI融入数据全生命周期，智能分析成为数据平台默认能力||** 工具，无组织规划|大多数传统企业起点||**L2**|局部应用|AI嵌入特定业务环节，效率提升|部分AI工具使用||**L3**|规模推广|跨部门AI应用，组织协调增强|AI应用增多但割裂||**L4* *|深度融合|业务流程与AI深度整合，数据闭环|初步AI原生||**L5**|AI原生|组织架构建立在AI之上，智能演化|真正的AI原生组织|###4.2转型核心步骤Step1:顶层设计├──设立CAIO （2026年4月）FT中文网/林薇：《AI原生：硅谷正在定义的新企业范式》（2025年11月）少数派：《Perplexity团队深度解析》（2025年10月）极客书房：《Perplexity如何构建AI
73810编辑于 2026-05-18如何构建AI原生应用？从大模型到知识中台，从数据到规则逻辑。AI原生=模型原生+知识原生+价值原生
今天继续聊AI和大模型方面的话题。即什么是AI原生，如何构建一个真正意义上的AI原生系统？ 对于这个问题，我们先看下AI大模型自己给出的答案。 AI原生-大模型原生+知识原生+价值原生 一个系统能够称之为叫AI原生系统呢？这里面核心的一个关键就是整个系统核心的能力是架构在底层的AI大模型和底层的知识层上面的。 你如果满足这么一个条件，那你们做一个系统就可以叫做AI原生系统。 我原来谈AI原生的时候谈到过，AI原生核心是知识原生，为何你当前企业有数据库数据，有资料文档，不能快速的构建AI原生应用？ 这里的大模型指的是具有强大计算能力和丰富数据训练的AI算法，如GPT-4、百度的文心一言等，它们构成了应用的核心驱动力。大模型不仅仅是完成特定任务的工具，更是AI原生应用创新的基石。 注意这个说法只解决了AI原生应用的大模型原生问题，并没有解决知识原生的问题。如果按这个说法所有的AI智能体应用都是AI原生应用，但是我的理解，AI原生应用的核心重点应该是在知识原生上面。
81320编辑于 2025-11-17- 来自专栏阿泽的学习笔记
云原生与AI漫谈
对于系统开发人员来说（比如云数据库，云 AI 平台），云原生的趋势也会产生相应的影响。 具体的例子比如我们可以通过用户的数据查询看到经常使用的过滤维度，来重新安排数据的排序和分区，这样在同样的数据量情况下，系统可以花更少的计算资源来完成查询，增加系统的利润 :) 云原生+AI 最后再来看下跟 AI 相关的部分。 而前面讲的“云原生语言”，则更关注在程序具体执行层面的关注点分离。 把两者结合起来看，云原生时代的 AI 平台开发会是一片巨大的未开垦之地，对于云和算法各自都有很宽很长的路可以走。 目前云原生跟 AI 结合的一个比较好的学习样例是 Kubeflow，之前春节期间读了一本《Kubeflow for Machine Learning[3]》，感觉收获还是挺多的，如Istio，CRD的应用等
1K30发布于 2021-07-06 Llama4家族：原生多模态 AI 创新的新时代开启
也可在 WhatsApp、Messenger、Instagram 私信体验基于 Llama 4 构建的 Meta AI。 正式推出的 Llama 4 Scout 和 Llama 4 Maverick，是首批开放权重、原生多模态、支持超长上下文窗口、采用 MoE架构构建的模型。 同时，Meta AI 也已在 WhatsApp、Messenger、Instagram 私信启用 Llama 4 模型。这只是 Llama 4 系列的开始。 无论你是构建应用的开发者，集成 AI 的企业用户，或是对 AI 潜力充满好奇的普通用户，Llama 4 Scout 和 Maverick 都是将下一代智能融入产品的最佳选择。 Llama 4 遵循《AI 使用开发指南》中的最佳实践，从预训练到系统级都融入了防护机制，以保障开发者免受恶意行为干扰，从而开发出更安全、可靠的应用。
60900编辑于 2025-04-06- 来自专栏新火种AI
新火种AI|谷歌深夜发布复仇神器Gemini，原生多模态碾压GPT-4？
作者：一号GPT-4最强的对手出现了。北京时间12月7日凌晨，谷歌CEO“劈柴”突然发布重磅AI杀手锏——Gemini。 谷歌要想重夺当年AlphaGo的辉煌，Gemini不仅要100%达到GPT-4的能力，还要在成本或者速度上比GPT-4更好。”生来就是全才还好，从Gemini公布的演示视频来看，它没让人失望。 它从第一天起就被设计成原生多模态结构，文本、图像、音视频能力从最开始就一起训练，从这一点上来看，Gemini的学习更像人类。 而这样的体验，离不开Gemini的原生多模态架构。Gemini VS GPT-4除了拥有令人惊叹的原生多模态能力，在性能上，Gemini也是相当强悍。 大模型的多模态探索随着ChatGPT通过升级迭代，拥有了多模态能力，以及Gemini所展现出来的原生多模态能力，我们可以清晰地感受到，AI大模型浪潮已经进入了一个全新的阶段，即从大语言模型转向多模态模型
49000编辑于 2023-12-07 - 来自专栏蟋蟀得不像专家派
如何构建 AI 原生技术团队
工具只是皮，真正的AI原生团队，是从组织基因层面被重构的。 今天不讲虚的，就讲我们这一年干了什么，怎么干的，效果怎么样。 一、撕掉标签：什么叫"AI原生"？ 大部分人理解的AI原生 = AI用得很熟。 我们理解的AI原生 = AI已经渗透到组织的毛细血管里。 指标 之前 之后 变化 AI代码生成占比 ~5% 60% ↑55% 研发整体效率 基线 — ↑40% 人均周AI对话轮数 <5轮 150+轮 ↑30x 新人上手独立产出时间 3-4周 1-1.5周 ↓60% 建了团队内部的「AI 上下文库」（业务术语表、接口规范、设计原则），AI 产出的业务正确率从 40% 飙升到 85%+。 坑 #4：引进「AI 画像」的新人，想用新人带老人？ 事实就是：同样的团队规模、同样的业务复杂度，AI 原生团队和非 AI 原生团队的产出差距已经拉开了 40% 以上。 这个差距只会越来越大。
15610编辑于 2026-05-26 - 来自专栏DBA随笔
云原生技术之docker学习笔记(4)
// 云原生技术之docker学习笔记(4) // 之前的文章中，我们已经说了RUN、FROM、MAINTAINER、EXPOSE等一些DockerFile的相关命令，今天我们来看DockerFile 这个目录可以提供共享数据或者对数据进行持久化的功能，例如： 1、卷可以在容器间共享和重用 2、一个容器不必和其他容器共享卷 3、对卷的修改是立即生效的 4、卷会一直存在，直到没有任何容器需要他 这个功能可以让我们将部分代码或者数据添加到镜像中
88950发布于 2021-01-27 - 来自专栏DBA随笔
云原生技术之kubernetes学习笔记(4)
key-value形式来组织的，它可以表示list、dict等常用数据类型，它的后缀一般使用".yml",它有如下几个特点： 1、大小写敏感 2、使用缩进表示递进关系 3、缩进不允许使用tab，只允许使用空格 4、
51620发布于 2021-03-30 - 来自专栏算法一只狗
LLama4 原生多模态大模型
Meta最新发布了原生多模态大模型 Llama 4，一经亮相即登上LMSYS大模型排行榜第二名，仅次于Google的Gemini-2.5-pro，分差仅为22分，实力可见一斑。 性能及价格表现从官方对比来看，在每1M输入输出tokens的价格上，Llama 4 Maverick约为0.19-0.49美元，比DeepSeek v3略便宜，更远低于GPT-4o。 （73.1）和GPT-4o（63.8）。 总结与展望Llama 4的发布，意味着Meta正式进入原生多模态大模型竞争核心领域。 相比Gemini系列、GPT-4o、Claude 3、DeepSeek等主流模型，Llama 4以务实高效的技术路线，突出计算成本、推理效率与多模态能力的平衡。
90600编辑于 2025-05-01 - 来自专栏项目文章
【云原生|技术基石】4：速通云原生基石-Istio服务网格
本期文章是介绍云原生技术的基石：Istio服务网格，上次的文章中我们已经学习过了Pod的详细介绍，感兴趣的同学可以去看一下，任意门：【云原生|实战研发】2：Pod的深入实践与理解 前言：先来聊聊服务网格 正文：云原生 Istio服务网格 1、Istio的产生背景 先来了解一下Istio的产生背景，才能更方便我们知道Istio是什么。 4、Istio的架构 Istio服务网格的架构分为 数据面板 与 控制面板。 数据面板：是由一组智能代理（Envoy）组成，其代理部署模式为边车模式，可以调解和控制服务之间的所有网络通信。 此外，流量管理规则（即通用4层规则和7层HTTP/gRPC路由规则）可以在运行时通过Pilot进行编程。
75910编辑于 2024-06-07 - 来自专栏数据猿
从+AI到AI+，我们离AI原生还有多远？
可真正接入后，却发现不是这么回事，企业应用AI的实际场景十分复杂，简单的接AI无法真正提高效率。同时，目前AI本身也存在着幻觉频发等问题，如果AI不是一剂见效的灵丹妙药，我们又该如何看待它？ 在企业接入AI的场景中，目前大部分企业以“+AI”为主，运用AI优化自己本身的业务模式，这是量变；“AI+”则是未来以AI本身作为驱动的更高阶状态，属于质变。 将人不具备或不够好的能力借助AI、智能体等快速补足，这里涉及到+AI与AI+的问题。 过去我们靠工程师来绘图，用+AI的思维，我们可能会让AI提供设计思路或设计参考，工程师来完成绘制；如果站在全新的AI+场景，AI是不是可以直接完成这个任务，把需求提交给AI，直接通过AI完成文生设计，将大大降低人的负荷 4.突破时空限制，创值于无能之处。
19510编辑于 2025-10-21 AI原生云建设与加速指南
第一章：报告基础信息 报告标题：AI原生云建设与加速指南 发布机构：腾讯云计算（北京）有限责任公司 发布时间：未明确标注 行业标签：通用SaaS,技术服务 产品标签：#异构计算 #高性能计算集群HCC 年超过80%的企业将在生产环境中采用生成式AI。 报告旨在解析从Cloud for AI向AI Native Cloud转型的技术要求，为企业在AI原生时代构建全栈能力云平台提供架构指南。 第三章：报告目录 背景 从Cloud for AI到AI Native Cloud，云平台能力要求对比 新型AI云平台需要解决的挑战 为AI加速而生，腾讯云（AI Native Cloud）平台架构能力全景解析 全栈能力：从基础设施（HCC集群、EdgeOne边缘平台）到应用层（数智人、智能客服），提供端到端AI原生云解决方案，支持公有云、专属云、本地化多态部署。
10610编辑于 2026-05-30- 来自专栏亨利笔记
云原生制品那些事(4)：Registry作用原理
VMware招聘机器学习和云原生开发工程师 本篇继续和大家说说镜像那些事，是连载之四，从《Harbor权威指南》一书节选的纯技术干货，敬请关注、转发和收藏。 从上述分发模式可以看到，Registry 是维系容器镜像生产者和消费者的关键环节，也是所有基于容器的云原生平台几乎都离不开 Registry 的根本原因。 这些云服务商提供的 Registry 服务既可满足自身云原生用户的镜像使用需求，加速云原生应用的访问效率；也可提供公网用户的镜像访问能力，便于镜像的分发和传送，如用户可从内网环境向云端 Registry （本文为公众号：亨利笔记 原创文章） Harbor Registry Harbor Registry（又称 Harbor 云原生制品仓库或 Harbor 镜像仓库）由 VMware 公司中国研发中心云原生实验室原创 （4）制品备份。容器镜像等制品的备份是从跨系统镜像传输衍生而来的用例，主要是把 Harbor 的镜像等制品复制到其他系统中，保留一个或多个副本。
1.1K40编辑于 2023-04-04 在AI时代，如何去构建AI智能原生企业？
今天聊下AI原生企业。 对于原生这个概念，实际我在前面写过好几篇文章。比如云原生，数字原生，而且都做过详细的阐述和说明。同时在原来文章中也谈到。 从上面这个内容我个人感觉还是太技术化了，太强调AI技术的能力了，而忽视了企业本身的核心业务和价值链。包括将AI原生企业定义为一定是新创业的以AI技术为核心的企业才是AI原生企业。 既然谈原生，那么核心仍然是AI这个能力不应该是一个简单的舶来品，更多需要企业内部AI持续进化，不是说你购买一个AI大模型，上个AI Agent就是AI原生。 因此对于AI原生核心仍然是知识原生。 所以我也一直在强调，将AI技术作为企业原生是错误的，企业的AI原生更多应该是知识的原生，AI工具技术大模型只是技术支撑能力，技术为知识创造服务。
45610编辑于 2025-11-17- 来自专栏《Cloud Studio》
AI 原生时代新质软件研发
在 CSDN 1024 程序员节技术英雄会全体大会上，腾讯云开发者产品中心总经理刘毅进行了《AI 原生时代的新质软件开发》的主题演讲。 腾讯云也在程序员节上推出 AI 原生云时代超级“码”力工具箱，为开发者提供低门槛、高效率、支持多模态的系列开发工具，助力软件开发“增质提效”。 腾讯云“超级码力工具箱” 对外开放 推动软件开发“提质增效”，腾讯云今年还举办了 “TechoDay AI 原生云开发工具峰会”，推出 AI 原生云时代超级“码”力工具箱，为开发者提供低门槛的云开发、高效率的 在会上，多位腾讯云产品专家对外分享了上述产品的应用与实践，同时发布了“腾讯云 AI 代码助手产品推荐官计划”，邀请各位开发者体验腾讯云 AI 代码助手，一起拥抱 AI 时代，助力 AI 全自动开发+部署 在10月26日的“超级码工厂- AI 编程大赛”上，腾讯云 AI 代码助手也将亮相，助力开发者们发挥想象力，用 AI 代码助手快速搭建AI应用，见证 AI 原生时代的超级「码」力。
78300编辑于 2025-02-12 AI原生时代的超级【码】力
第一章：报告基础信息 • 报告标题：AI原生时代的超级【码】力 • 发布机构：腾讯云 • 发布时间：2024年（基于“腾讯云工具指南|07”及2024 Gartner报告引用推断） • 行业标签：电商, • 本报告旨在介绍腾讯云“超级码力工具箱”，通过低门槛的云开发、高效率的HAI、增质量的AI代码助手及多模态检索的向量数据库，解决AI原生开发中的具体痛点，助力软件开发的“增质提效”。 第三章：报告目录 01 趋势洞察：AI原生时代，AI助力新质软件开发 开发者如何与代码大模型共存? 场景实践：AI原生开发场景的具体痛点及解法 用腾讯云开发生成及运营商小程序 用高性能应用服务HAI 3分钟部署超级AI应用环境 用AI代码助手为编码场景“增质” 用腾讯云向量数据库实现RAG增强 04 * **中国信通院 (CAICT)**：腾讯云AI代码助手是国内**首批**通过“可信AI智能编码工具评估”的产品，获**最高评级（4+级）**；腾讯云向量数据库是国内**首家**获中国信通院认证的企业级自研分布式数据库
10110编辑于 2026-05-30- 来自专栏深度学习与python
AI原生数据库的思考
AI 原生混合搜索 提到 AI 原生搜索，很多人首先会想到向量搜索。向量搜索确实是当前主流的 AI 语义搜索方式，通过向量 embedding 可以搜索文本、图片甚至视频等多模态数据。 有了基于混合搜索的“Document In,Data Out”之后，只需要把文档或者切片写入 AI 原生数据库即可，AI 原生数据库会自动执行多路搜索并选择合适的模型。 数据和模型也会深度融合，通过 AI Function 等技术在系统中直接处理无结构化数据，成为 AI 原生数据库。 为什么要做 AI 原生数据库 seekdb？ 因此，我们决定抛开历史包袱，正式立项 AI 原生数据库。 首先，需要给我们的 AI 原生数据库一个正式的名字。 全文和向量数据库的最小规格需要 4GB 甚至 8GB 的内存，而 seekdb 的第一个版本在实现多合一的前提下只需要 2GB 内存，且后续还会进一步优化到 1GB 乃至 500MB。
59210编辑于 2025-12-24 腾讯云AI原生架构：重构Agent基础设施，推理提速4倍与95%智能诊断率
部署全栈AI原生引擎与安全运行时沙箱 为解决大模型应用中的系统稳定性与开发效率问题，腾讯云升级智算能力，构建了更贴近Agent的AI原生云软硬协同架构： Agent Infra（运行层构建）： 专为大规模 同时，腾讯自研TACO Kit推理引擎覆盖生文、生图、生视频等多模态，实现多种模态推理加速 4倍（其中TACO-LLM推理效率提升 100～130%，TACO-DiT提升 122%）。 沙箱执行环境极速并发： 针对Agent工具集成，发布原生兼容社区的自研Cube云沙箱。 支撑实体产业与泛互联网核心业务系统 该套AI原生云基础设施已在多行业、多场景中得到大规模实际业务验证。 )、智谱AI等。
43720编辑于 2026-04-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号