随着API生态扩张和供应链攻击激增（增长276%），企业需要加强对第三方API的安全管控，包括对第三方API进行风险评估（认证机制、数据保护、更新策略）、部署依赖监控工具、在集成点实施输入验证和异常处理，并通过严格的凭证和密钥管理防止泄露与滥用，从而有效防范“API信任链劫持”攻击，保障业务连续性和数据安全。与此同时，AI也正成为关键基础设施之一，企业部署生成式AI服务的速度与频率，使得API这一

边缘智能打开市场想象空间

科技云报道原创。物竞天择，适者生存，在科技界谁掌握科技谁就掌握未来。无论是初创企业还是行业老大，都逃不过这样的法则。在云计算领域，成功者有如微软，依靠Azure抢占科技公司C位；落寞者有如甲骨文，虽有雄心壮志，但怎奈何苦苦追赶却不尽人意，逐渐成为市场竞争的后进生。近日，某社交平台有甲骨文(Oracle)员工爆料，正在裁员中，采取N+6补偿，此补偿方案一经被曝，便有传言说有人拿到100万赔偿，网友纷

实际上，即使AI与大模型为各行各业带来了巨大的变化，但某些基础业务场景依然面临无法通过标准化来解决的困境，比如电商领域，当客户咨询的问题涉及售后的物流查询或退换货等操作时，往往存在服务阈值，当服务没有达到要求，客户可能会选择中断购物，而当服务满足客户期待时，客户往往会选择宽容店家的商品瑕疵，而AI大模型在这一系列基于业务、情感的复合场景处理上，并没有达到拟人的水平。王春生的判断贴合现实情况。”容联

AI大模型的安全问题如何解？

多年来，中国信通院作为国家智库产业平台，不仅联合各方在中国人工智能产业发展联盟下成立了安全委员会，搭建人工智能安全方面交流合作平台，同时联合产业界发布了《人工智能治理框架》，提出以风险为导向的人工智能研判理论体系，并发布一系列人工智能安全合规方面的标准规范，协助企业提升安全能力。AIIA总体组组长、中国信通院人工智能研究所所长魏凯表示，世界各国都对人工智能的发展表示出非常大的期待，不论是发达国家或

从GenAI应用的关键路径来看，从技术应用的想法到最终的生产上线，要经过定义场景、选择合适自己的基础模型、到利用自己的数据做模型适配/调优和评估、再到部署模型、在模型之上构建GenAI应用、评估是否负责任的AI的原则等多个环节。因为训练基础架构保护好数据中心就够了，但如果把推理的基础架构部署到现实的世界中，离开数据中心到边缘中，来到了工厂、制造中心和客户所在的地方，包括交通运输的网络中，这样的安全

首先，大模型可以冷启动，不需要标注数据，只需要把客户的业务知识维护进去，就能达到很好的效果——回复人性化，接得上用户的话题，能够理解用户的情绪等等。我们也看到很多同行在探索智能客服的大模型应用，但大模型只是作为某种功能辅助，比如提升会话小结的效率、提升训练师的工作效率等，其实是拿大模型辅助去提升上一代智能客服的效率，没有从根本上改变上一代智能客服的痛点。这是因为上一代智能客服，在技术上使用的是关键

蚂蚁数科基于二十年金融实践，梳理出覆盖银行、证券、保险、基金、信托的全金融任务体系，包含6大领域、66个细分场景、132类核心任务，相当于为模型制定了系统的“金融专业课程大纲”。如今，金融AI的竞赛，早已不是参数规模的比拼，而是场景理解深度、推理能力强度、安全合规精度的综合较量。金融决策往往需要多层逻辑嵌套，以企业信贷风控为例，不仅要分析财务报表的“三表匹配”，还要关联行业周期、区域政策、供应链关

在训练平台方面，云边结合的分布式计算平台发展，强化了机器人的训练和分析决策速率。大模型驱动下，人形机器人从最初的传统自动化，即人工编排下初步的感知、执行，到基于基础模型的通用原子能力，也就是单个的任务编排，部分实现特定任务的能力迁移，再到数据驱动下的端到端操作，逐步经过认知推理规划大模型到端到端操作大模型的升级，实现更强的跨任务泛化能力。随着人工智能的发展，我们认为，人工智能、云计算、算力将全面融