- 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。
3.2K60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
50010编辑于 2026-01-20AI原生：我只写了4行代码，文章自己长出来了
以前用AI，是“人先写，AI再改”。现在用AI原生，是“AI先生成，人再判断”。顺序一换，效率完全不一样。我最近试了个实验：不打开空白文档，直接让模型生成初稿。 核心代码只有4行：import requestsprompt = "你是百万粉自媒体主编，以'AI原生'为主题写800字文章，口语化，有3个方法，结尾提问。" 但代码不是关键，AI原生思维才是。我总结了3个实战方法：第一，从“空白页”变成“生成页”。别再对着文档憋开头。让AI先出3个版本，你只做选择。AI负责产能，你负责品味。第二，提示词就是产品文档。 AI原生不是每次从零开始，而是让每次生成都比上次更准。我的实际流程是：4行代码生成初稿 → 选一个标题 → 加入自己的真实经历 → 改掉AI味 → 配图发布。以前2小时，现在20分钟。 当然，直接复制粘贴，读者一眼就能看出“AI味”。所以最后一步必须由人来做：把机器写的句子，改成你会说的话。把通用案例，换成你踩过的坑。AI原生，不是加个API就叫原生。
9010编辑于 2026-10-04中国 CRM 从“+AI” 走到 “AI原生”
国内 B2B CRM 正从"外挂 AI 辅助功能"向AI 原生架构（AI-Native CRM）演进。 当各家CRM厂商纷纷打出"真原生，非外挂""Agentic CRM""智能体平台"的旗号，CIO最该问的不是"你们有没有AI"，而是——你们的AI 是 CRM 原生内置的大脑，还是点缀功能的挂件？ 二、AI 原生 CRM 的核心特征 产品架构 纷享销客 采用数据底座层、AgentOS内核层和Agent服务层三层自上而下一体化原生架构，实现能协同工作、会持续进化的核心能力。 4、安全合规：企业级AI的底线保障 区别无管控外挂 AI，ShareHive 搭建四重安全防护，同时具备完整国际、国内合规认证： 4.1四层安全管控机制 权限一体化：CRM数据权限与AI应用权限统一管理 原生CRM市场，核心价值不在于AI技术的炫技式展示，而在于将AI能力以可治理、可追溯、可持续进化的方式嵌入CRM业务全链路。
27110编辑于 2026-07-31AI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
3.1K10编辑于 2026-05-18Llama4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。
90300编辑于 2025-04-06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。
1.2K20编辑于 2025-11-17- 来自专栏深圳架构师同盟
从数字化到AI原生，到底什么是AI原生？
4A架构本身没有太大变化，但多出来一条关键的线：数据不再是被动的。单个数据往往来源于单个业务，无法反向产生价值。 三、AI原生的真实分界线：模型原生 + 知识原生 + 价值原生我认为一个系统要称得上AI原生，得同时满足三件事：AI原生 = 大模型原生 + 知识原生 + 价值原生。 这个才是构建AI原生企业的关键。回到最开始那个问题：从数字化到AI原生，到底什么是AI原生？ 相关阅读（本文观点整理自以下历史文章）《深刻理解数字化的底层逻辑-从信息化到数字化和智能化》《数字化转型核心底层逻辑-现实世界和抽象世界的时空统一》《AI时代的企业架构-对传统企业架构中的4A架构能力的增强 （AI原生=模型原生+知识原生+价值原生）》《在AI时代，如何去构建AI智能原生企业？》
5110编辑于 2026-10-05 - 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
1.1K30发布于 2021-07-06 - 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
93350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、
61120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。
1.1K00编辑于 2025-05-01 - 来自专栏腾讯专有云
从云原生演进到云原生 AI：TCS AI infra解决方案
需求变革：从"云原生"到"云原生 AI"的范式转移 云原生为AI业务创新提供强大动力，已成为企业数字化转型的共识。 CNCF 在 2024 年发布首份《云原生 AI 白皮书》，正式确立“云原生 AI（CNAI）”这一范式：用云原生原则构建和部署 AI 应用，在资源效率与开发部署效率上双向赋能。 云原生 AI 平台正经历如下三段演进： TCS AI Infra 破局之道 TCS AI Infra 面向私有化企业级 AI 落地需求，打造一站式云原生 AI 解决方案，整体以六大核心能力为核心支撑： 在资质认证方面，TCS 也已获得：信通院云原生能力安全成熟度 L4 级认证、大规模容器集群性能·卓越级认证、容器平台安全能力·先进级认证、通过中国信息安全测评中心自主原创产品测评、云原生平台中间件管理能力评估 ” 到 “云原生 AI” 的平滑演进。
40800编辑于 2026-07-10 - 来自专栏架构师北京同盟
AI藤壶：满身AI不等于AI原生
我们把这种现象称为“AI 藤壶”。 虽然应用AI 越来越多，但并不意味着企业越来越“AI 原生”。 在我们近期开展的企业 AI 应用调研中，约69%的受访组织已经形成正式或初步的 AI 战略，约56%已经进入多场景推广及以上阶段，但明确表示 AI 已进入业务系统或标准流程的企业只有约17%。 我把“AI藤壶”这个观点交给 AI，它给了我这样一幅图： 我们把这戏称为“AI 藤壶（AI Barnacle）”。 因此，企业最自然的选择往往是：组织不动，继续加 AI。 问题也就出在这里。企业规划 AI 时，不能一直问“这里能不能加一个 AI？”，而应该开始问“有了 AI，这里还有没有必要存在？” 真正的 AI 转型，不是让旧组织的每一个角落都长出 AI，而是借助 AI 重新设计组织。 否则，企业得到的可能不是一个 AI 原生组织，而是一艘长满 AI 藤壶的旧船。
16521编辑于 2026-09-09 - 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
58900编辑于 2023-12-07 - 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。
1K10编辑于 2024-06-07 - 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。
1.3K40编辑于 2023-04-04 - 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。
52310编辑于 2026-05-26 企业AI战略的演变：从AI就绪到AI原生(AI Native)
也是催生企业AI应用走向“AI原生” 那么什么是"AI原生"企业？他有什么核心特征呢？又有什么价值呢？下面我们一起来看看。 首先，"AI原生"(AI Native)是将AI融入企业全业务场景，重新定义产品功能、流程与价值。 3 "AI原生"企业的价值创造 "AI原生"企业通过重构业务流程和价值链条，创造多重价值： 效率提升：自动化重复性工作，释放人力从事更高价值活动 体验升级：提供高度个性化的用户体验，提升客户满意度 创新加速 "到"AI原生"的根本性转变。 AI原生将AI深度融入企业业务流程与组织文化，采用科学的方法、适合的工具、成熟的基础设施，合面拥抱AI原生，才能在智能经济的新时代中赢得未来。真正释放AI的价值，开创智能经济的新篇章。
40610编辑于 2026-07-01- 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。
27210编辑于 2025-10-21
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