- 综合排序
- 最热优先
- 最新优先
AI原生6G：从网络到智能结构
AI原生6G：从网络到智能结构“网络语言模型”将协调智能组件、计算基础设施、接入点、数据中心等之间的复杂交互。 除了其他进步（集成感知与通信、地面与非地面网络的无缝融合）之外，它构想了首个AI原生的无线技术世代，将智能嵌入从设备到云基础设施的每一层。 在本博客中，我们介绍某机构实现AI原生网络的架构方法，这是定义6G时代的基础能力。 6G的不同之处3G通过语音和基础数据连接人与人，4G带来了移动宽带，5G实现了超低延迟的海量机器连接，而6G将从底层开始就是AI原生的，成为一种分布式的计算与通信结构，将智能像公共设施一样嵌入日常生活。 超组合网络：我们的目标架构某机构对6G的目标架构以网络系统为中心，这些系统根据其所服务的消费者和业务目标，在正确的地点和时间动态组合精确类型和大小的计算、存储、网络、数据和AI资源。
22210编辑于 2026-04-23AI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 2026-01-20- 来自专栏云计算运维
云原生软件的 6 个要求
应用架构也发生了转变，以适应云原生应用和 微服务、无服务器 以及事件驱动的服务，这些服务运行在跨混合云和多云平台的不可变的基础设施上。 云原生与 Kubernetes 的联系 根据 云原生计算基金会 （CNCF） 的说法： “云原生技术使企业能够在现代动态环境中建立和运行可扩展的应用，如公共云、私有云和混合云。 云原生软件的要求 创建云原生应用架构需要哪些能力，开发人员将从中获得哪些好处？ 虽然构建和架构云原生应用的方法有很多，但以下是一些需要考虑的部分： 运行时： 它们更多是以容器优先或/和 Kubernetes 原生语言编写的，这意味着运行时会如 Java、Node.js、Go、Python 让云原生具体化 云原生似乎是一个抽象的术语，但回顾一下定义并像开发人员一样思考可以使其更加具体。为了使云原生应用获得成功，它们需要包括一长串定义明确的组成清单。
1.2K10发布于 2021-09-08 AI原生组织（AI-Native Organization）
AI原生组织深度研究报告研究主题：AI原生组织（AI-NativeOrganization）概念、特征、构建路径与全球案例研究时间：2026年5月18日研究深度：⭐⭐⭐⭐⭐（深度研究）组织设计逻辑的根本翻转传统是 "业务先行、AI补丁"，原生是"AI即底座"。 很多公司卡在这里，历史数据包袱太重一个现实的观察目前真正做到AI原生的公司还很少，大多是"AI+"的改良版。 *|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 产品开发新模式》（2024年5月）腾讯新闻：《大厂做AI：字节跳动AI帝国深度拆解》（2025年6月）麦肯锡：《Theagenticorganization》（2025年9月）世界经济论坛：《OrganizationalTransformationintheAgeofAI
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原生必须是土生土长的，系统一开始构建就原生在系统里面的能力，而不是已有系统后简单嫁接或集成AI大模型能力。那些把传统IT系统改造集成AI大模型能力后叫AI原生是相当错误的说法。 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？ 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 - 来自专栏DBA随笔
云原生技术之docker学习笔记（6）
云原生技术之docker学习笔记（6） 今天我们看看容器的层的概念。 "Type": "layers", "Layers": [ "sha256:d0fe97fa8b8cefdffcef1d62b65aba51a6c87b6679628a2b50fc6a7a579f764c ", "sha256:329fe06a30f03f9131ce8d9db2e8a9f725b18efe3457d6f015e1c4d8a3f41a0a", ", "sha256:15b463db445cb750fa6bc908a41fd18e38c4d2a02a978b66beb598c4f3f57b95", "sha256:af6e790b82373cc65ca73efe5cc8945731525a9dcae6deeea2a5a5802561a72a", "sha256:9b0377a95c0e0bd5aa5b220449d17333faaa0e2bd7e8b93565beeadbf3906646
64510发布于 2021-03-13 - 来自专栏蟋蟀得不像专家派
如何构建 AI 原生技术团队
如何构建AI原生产研团队：我们花了一年，才搞懂这句话 别人还在讨论"AI要不要用"，我们已经把AI变成了团队的肌肉记忆。 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。 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。 标签：#AI原生产研#AICoding#团队管理#技术管理#数字化转型
15610编辑于 2026-05-26 - 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 今年6月鼎捷发布了智能数据套件和企业智能体生成套件，构成了鼎捷雅典娜平台助力AI落地的“双抓手”，实现“AI让数据思考，数据让AI智驾”的新范式。
19510编辑于 2025-10-21 - 来自专栏云计算D1net
需要避免的6个云原生开发问题
企业的开发团队是否正在扩展其云原生应用策略，企业需要考虑如何清除常见的障碍。 如果企业的团队已经开始开发云原生应用程序，那么在扩展开发策略时如何避免常见的挑战？ 设定明确的目标以及沿途的里程碑，这对于成功的云原生开发之旅至关重要。行业媒体采访了主管银行业务的Red Hat公司员工，以了解云原生的应用过程中存在的问题和挑战。 06 并非一切都需要云原生 需要记住的是：并非一切都需要云原生。了解何时何地使用云原生开发至关重要。查看每个应用程序，并审查它是否有意义，以确保获得更大的短期和长期成功机会。 以下是扩展云原生战略的6个可行步骤： 评估员工拥有的技能。扩展云原生开发战略，不是根据员工完成工作的情况，而是根据他们的能力。 在企业各个层面上接受愿景。 评估什么应该实现云原生。专注于这一点，不要强迫实施。
35040编辑于 2022-12-08 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。
78500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, • 中国信通院调查显示，75.86% 的企业已在软件开发阶段应用AI技术，AI正在全面覆盖代码生成、补全、缺陷检测等软件工程全生命周期环节。 • 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
10110编辑于 2026-05-30- 来自专栏云计算D1net
针对云原生转型的6个关键数据策略
如今，许多组织正在将采用云原生平台作为其数字转型战略。云原生允许企业以更灵活的方式提供快速响应、用户友好的应用程序。 如今，许多组织正在将采用云原生平台作为其数字转型战略。 云原生允许企业以更灵活的方式提供快速响应、用户友好的应用程序。但是，支持云原生转换的数据体系结构常常被忽略，希望它会自行处理。 (2)12-Factor App和云原生微服务 “十二要素应用程序”(12-Factor App)是一套帮助组织构建云原生应用程序的规则和准则。 借助正确的云原生平台和支持数据平台，微服务变得易于部署。云原生平台应处理对其运行的服务的管理，并且数据库应处理数据扩展和监视，在必要事件中添加碎片，重新平衡、重定位或故障转移。 (6)云原生数据库的基本要求 亚毫秒级响应时间仅供少数特殊应用使用。但是，在当今微服务架构的世界中，这是所有应用程序的必备条件。这个延迟要求需要最高性能、最具可扩展性的数据库解决方案。
81740发布于 2018-06-08 - 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？ 很可惜，OceanBase 轻量版只能做到 2C8G 或者 2C6G，再往下则会遇到越来越多的工程化的挑战。 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。
59210编辑于 2025-12-24 腾讯云WorkBuddy驱动企业AI原生转型：6-9个月实现50%-80%效率提升
第一章：政策倒逼与效率代差下的转型困境 在“数字中国”与“人工智能+”战略相继落地的背景下，国资委明确要求央企打造AI原生能力，将其作为新质生产力的重要载体。 然而，企业在推进数字化转型过程中面临显著的“效率代差”与内部瓶颈： 竞争压力： 根据 Gartner 预测，到 2026年底，40% 的企业应用将集成AI智能体，率先具备AI原生能力的企业将形成降维优势 同行业AI原生企业已实现 50%-80% 的效率提升，传统模式正失去竞争力。 知识流失： 专家经验与业务规则散落在各类文件中，无法沉淀为可传承的资产。 工具与能力层： 包含腾讯乐享企业AI知识库、一站式Agent开发平台、图像/视频创作引擎。 6-9个月落地节奏 试点突破（1-2个月）： 选定1-2个高价值场景（如财务对账），通过WorkBuddy桌面端试点，跑通流程。
27910编辑于 2026-05-28- 来自专栏深度学习与python
Docker Desktop 4.42 发布，带来原生 IPv6、集成的 MCP 工具包以及 AI 模型打包功能
作者 | Craig Risi 译者 | 刘雅梦 Docker 公司发布了 Docker Desktop 4.42 版本，该版本增强了网络灵活性、AI 工作流集成和模型分发功能。 原生 IPv6 支持现在允许用户在双栈、仅 IPv4 或仅 IPv6 模式之间进行选择，并具有智能 DNS 解析。 这些功能允许开发人员安全地构建、运行和分发 AI 工作负载，同时保持跨环境的可移植性和合规性。 在社交媒体上，Docker 倡导者 Ajeet Singh Raina 强调了此次发布“具有强大的新功能，包括原生 IPv6 支持，完全集成的 MCP 工具包，以及对 Docker Model Runner 和我们的 AI 智能体 Gordon 的重大升级”。
46410编辑于 2025-07-16 - 来自专栏Linyb极客之路
Spring 6 原生 HttpExchange 微服务调用实战指南
随着 Spring Framework 6 的横空出世，一个全新的特性 —— HttpExchange 应运而生。 核心对比表特性 HttpExchange (Spring 6+ 原生) OpenFeign (Netflix 开源) 6 的核心特性，无需引入任何额外依赖，即可实现服务调用，减少了项目的依赖管理成本。 响应式编程友好：天然支持 WebClient，与 Spring 6 的响应式编程模型深度契合，是构建响应式微服务的理想选择。 总结本文通过一个完整的用户增删改查案例，详细演示了如何使用 Spring 6 原生的 HttpExchange 实现 Spring Cloud 微服务间的调用，并深入对比了 HttpExchange 与
89310编辑于 2026-01-13 - 来自专栏DotNet NB && CloudNative
使用C# 构建AI原生Agent应用
摘要： 随着人工智能的迅猛发展，AI 原生 Agent 应用架构成为构建智能系统的核心。本文聚焦于以 C# 构建 AI 原生 Agent，并整合 k8s 与 Dapr，搭建高效可扩展平台。 二、 构建AI原生Agent应用平台 2.1 C# 在AI原生Agent中的应用 C# 作为一种面向对象的编程语言，在AI原生Agent应用架构中发挥着重要作用。 C# 在AI原生Agent应用架构中发挥着举足轻重的作用。 k8s与Dapr的集成在AI原生Agent应用平台中发挥着举足轻重的作用。它们共同为构建一个高效、稳定、可扩展的AI原生Agent应用环境提供了强大的技术支持。 通过充分利用这些技术的优势，我们可以更好地满足AI原生Agent应用的复杂需求，推动AI技术的广泛应用和发展。
59920编辑于 2025-02-25
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