紫竹商业评论

紫竹商业评论

关注
1042粉丝
4关注
688被推荐

中国企业报金融资本周刊副主编

12枚勋章

科技金融消费体验,行业观察
IP属地:北京
更多信息

  • 用AI看病正在被各种玩梗,说说我三年多咳嗽借AI诊治的体验

    23小时前
    图片
  • 助力企业加速AI Agent规模化部署 Amazon Bedrock AgentCore在亚马逊云科技中国区域正式可用,
    9月29日,亚马逊云科技宣布Amazon Bedrock AgentCore 现已在由光环新网运营的亚马逊云科技中国(北京)区域和由西云数据运营的亚马逊云科技中国(宁夏)区域正式可用。作为一款全托管的AI Agent部署与运维平台,Amazon Bedrock AgentCore旨在帮助企业实现Agent的快速构建、安全连接与持续优化,并帮助企业迅速将Agent的技术验证推向生产部署。通过提供全托管Serverless架构、开放兼容框架与全链条安全防护,Amazon Bedrock AgentCore让企业能够以更低门槛、更高可靠性构建、托管与扩展Agent,助力企业在Agentic AI爆发拐点加速实现业务价值。 据悉,在行业垂直应用场景中,Amazon Bedrock AgentCore也能够深入特定业务流程,为企业带来切实的商业价值。例如,在智能家居行业,Amazon Bedrock AgentCore可打造App内嵌智能助手,让智能硬件“会说话、能操控”,赋能用户通过自然语言交互获取硬件安装与维修指导,并完成设备的远程操控。而在汽车行业,可帮助构建汽车服务图谱增强检索方案,基于MCP标准协议将多种核心能力封装为Agent工具,结合由海量维修文档构建的结构化知识图谱,全面推进售后维修的智能化。另外,对于希望构建企业级Agent托管运维底座的团队,Amazon Bedrock AgentCore提供了统一的多租户隔离、密钥管理与弹性托管服务,避免自建基础设施带来的繁重开发与运维负担。 在全球范围内,众多头部企业已通过Amazon Bedrock AgentCore实现成功生产部署。爱立信(Ericsson)在横跨数百万行代码、涉及数千个互联子系统的复杂研发环境中应用Amazon Bedrock AgentCore,覆盖数万名员工,为工作效率带来了两位数的提升。索尼集团(Sony)基于Amazon Bedrock AgentCore构建了覆盖全集团的Agentic AI平台,实现了企业级的安全性、可观测性与可扩展性。汽车服务提供商Cox Automotive借助AgentCore在不到一年的时间内将17个企业级Agent解决方案成功推向生产环境,新能力部署周期从数月缩短至数天,其内部FleetMate平台将原本需要8至48小时的复杂维修评估大幅缩短至30分钟。 目前,亚马逊云科技在中国区域也正在与来自汽车、医疗健康与生命科学、软件与服务以及零售与消费品等众多领域的行业客户展开紧密合作,共同推进企业级Agent的构建与创新应用,打造行业应用落地方案,将Agentic AI深度融入业务流程,全力赋能企业加速释放AI业务价值。
  • 约翰·特努斯接任苹果 CEO 之后的第一场大秀,北京时间9 月 10 日凌晨的苹果秋季发布会,推出了传闻七年的折叠 iPhone——iPhone Duo,而且,这次的苹果iPhone Duo仅支持eSIM卡。
    所谓eSIM(Embedded-SIM,嵌入式SIM卡),就是焊在设备主板上的安全芯片,没有塑料卡片,不用插卡槽,通过网络下载号码资料激活,功能和普通实体SIM完全一样(打电话、短信、上网)。 手机eSIM芯片和实体SIM的芯片虽然底层原理接近,但核心标准不一样。 直接焊在设备主板上的eSIM卡,将会颠覆现有的供应链采购渠道,硬件厂商又一个替代运营商话语权的动作出现了。
    热点情报所
  • 【星宇车灯公布处罚公告,涉事高管年薪曝光,其官网已无法投递简历】
    9月7日,星宇车灯内部下达处罚文件:鉴于8月初对部分新入职大学生事项处理不当造成的重大影响,经公司经理办公会决议,决定对负有管理责任的公司总经理周晓萍给予扣薪12个月的处理;对负有直接领导责任的副总经理李树军调整其分工,不再分管人力资源,并给予扣薪6个月的处理;对人力资源总监俞志明给予免职处理;对人力资源部部长李梅给予降职调岗处理。 企查查APP显示,常州星宇车灯股份有限公司成立于2000年5月,注册资本约2.86亿元,由周晓萍、常州星宇投资管理有限公司等共同持股,公司曾涉多起司法纠纷,案由包括劳动争议、经济补偿金纠纷等。任职信息显示,周晓萍现任公司董事长、总经理等职务,直接持有公司42%的股权,年薪110万元;副总经理李树军年薪达75万元;另据2025年企业年报,俞志明年薪达54万元。 同时,值得一提的是,星宇股份官网无直接招聘入口,需经搜索进入招聘页面,但校招与社招栏目均无职位发布;其官方微信公众号的招聘板块同样显示“暂无职位”。
  • 黄仁勋也承认,过去几百年里人类发明了能量概念, 并按照干瓦时计价,如今智能正在以
    词元(Token)计价。那么,延伸思考一下,假如词元的价格规则锚定的参考值之一——字数多少,这样,是不是最终会促使人类开始精简表达,无论文字还是口头。 如今人类堆砌文字已经是通病,和电报时代简直没法比。希望词元时代,能让人类文明之一的文字表达,能精确精简到一个新的文明高度。
  • 亚马逊云科技和英伟达扩大战略合作,共建下一代AI基础设施,双方将新增部署200万颗GPU,并在CPU、网络和机器人技术等领域深化合作
    8月27日,亚马逊云科技与英伟达宣布大幅扩展双方战略合作。基于16年的联合创新,双方计划在亚马逊云科技的全球基础设施中新增部署200万颗英伟达GPU,并在AI工厂、CPU、网络、开放模型、数据处理和机器人技术等领域深化合作,通过提供联合设计的解决方案,助力客户以空前规模加速AI开发。 此次合作扩展补充了亚马逊云科技的自研芯片产品线,让客户可根据特定工作负载灵活选择最优算力方案,无论是选择英伟达GPU、Amazon Trainium芯片,还是两者结合使用。 近二十年来,亚马逊云科技和英伟达携手为全球客户提供前沿AI能力。双方合作在亚马逊云科技上推出了全球首个云上GPU加速实例,如今亚马逊云科技为客户提供最广泛的英伟达GPU解决方案。 如今,AI需求加速爆发,双方将合作推向新高度。AI工作负载正以极快的速度扩展,从模型的训练和部署,到数据的处理以及用于驱动智能应用。客户正跨越Agentic AI、科学发现、企业自动化和机器人技术等领域,从试点阶段迈向生产阶段,他们需要能够跟上这一步伐的基础设施。 亚马逊云科技首席执行官Matt Garman表示:“客户希望能够自由选择最适合其AI工作负载的工具,并希望所有工具都能无缝协作。因此,我们与英伟达进行了深度合作,使亚马逊云科技成为运行英伟达AI技术的最佳场所,从网络、安全到部署,全面优化我们基础设施的性能。此次合作的深化将为前沿实验室、企业和政府机构提供更多在亚马逊云科技上构建和部署AI的方式。” 英伟达创始人兼首席执行官黄仁勋表示:“英伟达和亚马逊云科技构建了AI时代最伟大的增长引擎之一,且需求正超出所有预期。16年来,我们共同在云端扩展英伟达计算能力。现在我们将合作扩展到整个技术栈,包括GPU、CPU、网络、开放模型和软件,以只有双方联手才能实现的空前速度与规模,落地Agentic AI和物理AI。此次合作扩展,正是响应了客户在亚马逊云科技上对英伟达平台的需求。”
  • 昨天都在讨论,具身机器人们到底是继续留在舞台上,换取观众的喝彩,还是走向真实场景去干那些枯燥、重复的苦活?
    其实,从今天曝出的两大新闻看,机器人介入食品安全供应链体系,肯定很合适,即使替代人类的工作,人类也无法反对,毕竟,机器人死脑筋,不会给大白菜喷甲醛,也不会用敌敌畏给餐馆进行消杀。
  • 昨天曝出了甲醛白茶,北方人冬季必吃的最廉价的白菜已经不安全了。今天刷到群友推荐的山姆开市客有机蔬菜。
    食品安全问题一旦曝出,给人留下的心理阴影,是很久都难以磨灭的,就像今年曝出药水杨梅后,我和我身边的北方朋友,今年都没人买杨梅。 不买菜不知柴米贵的键盘侠们可能不知道,其实,普通老百姓的餐桌,是请不起山姆开市客的有机蔬菜的,所以,今年冬季普通市民的蔬菜如何解决? 当蔬菜水果被科技与狠活污染后,要反思的应该是,普通老百姓食品安全的供应链体系出问题了,廉价蔬菜大规模采购管理,和采购量明显会小很多的有机蔬菜采购管理,即使不能是同一个模型,但依然可以参考,因为同一品种蔬菜,采购量大也可以节约成本,这道理谁都懂。 而且,AI智能如此发达的今天,真的没有科技手段解决平价蔬菜供应链管理系统的问题吗?那些能上舞台跳舞跑步的机器人们,该上岗了吧?
  • 当算力成为资产,谁来经营它?

    2026-08-11
    图片
  • Amazon DynamoDB推出实时向量搜索功能,已在亚马逊云科技所有商业区域正式可用。
    8月11日,亚马逊云科技宣布Amazon DynamoDB的向量搜索功能现已正式可用。这项新功能可实时索引和搜索向量。随着向量数据集规模增长至数十亿甚至数万亿,传统的大规模向量搜索往往需要在搜索速度、扩展规模和准确性之间做出妥协:如果不降低召回率或吞吐量,系统延迟就会随着向量数量的增加而不断攀升。Amazon DynamoDB提供的原生向量搜索不仅能实现99%以上的超高召回率,并提供毫秒级延迟。该功能专为任意规模的数据而设计,即便是面对数万亿级别的向量也能游刃有余。 对于已经在使用Amazon DynamoDB的应用,此前添加向量搜索需将数据复制到专属的向量数据库中,并耗费精力维护两套服务之间的数据同步管道。这不仅增加了运维负担、数据迁移成本和软件授权费用,更给大规模业务下保持稳定的低延迟带来了严峻挑战。现在,随着Amazon DynamoDB原生内置向量搜索功能,客户的向量数据与业务数据现在可以共享同一套无服务器基础设施,并采用一致的按请求次数付费定价模式。 借助Amazon DynamoDB向量搜索功能,企业可以将向量嵌入与其他常规数据属性保存在一起,并自由使用所选的模型(包括Amazon Bedrock上提供的模型)来生成这些向量。客户能够创建向量索引并执行近似最近邻搜索(Approximate Nearest Neighbor),通过选择向量索引分区键来实现灵活扩展,并根据具体属性进行过滤以精准圈定结果范围。同时,用户依然能享受到熟悉的无服务器优势:无需管理基础设施、零停机时间、免维护窗口,且仅为实际用量付费。企业此前已经能够使用Amazon DynamoDB为AI Agent存储记忆,现在借助向量搜索功能,还可以对这些记忆数据进行语义检索,为Agent提供坚实的信息支撑;此外,该功能还能广泛应用于产品相似度检索、个性化广告、检索增强生成以及推荐系统等应用场景,并始终保持稳定可预测的高性能表现。 Amazon DynamoDB中的向量搜索引入了一种新的索引类型,用户可以在存储向量嵌入的属性上创建该索引。企业可以使用所选模型(例如Amazon Bedrock Titan Text Embeddings、Cohere Embed或OpenAI文本嵌入模型)生成嵌入向量,并使用标准的PutItem调用将其作为浮点数列表存储在表中。然后,用户可以在该属性上创建向量索引,并指定维度数、距离函数以及希望用作筛选条件以在查询时缩小搜索范围的任何非向量属性。SearchVectors API接受查询向量、要返回的结果数(最多100个)以及可选的筛选条件,并返回按相似度排序的结果。该功能支持高达4096个维度,支持欧氏距离、余弦相似度和点积三种距离度量方式,并支持内联过滤。
  • 面对“竹知了”:企业品牌公关部门和法务部门谁的KPI更重要?

    2026-08-06
    图片
  • 在抖音花9.9领了30个鸡蛋,去家附近门店取时,店主让我加了他们的团购微信群,进群又1元钱领了这么多土豆……
    据新闻报道,亚洲最大宜家门店——宜家原上海宝山商场人去楼空,8处资产已全面清空,入华近30年来,这是宜家最大规模资产处置。 群里朋友分析,是房地产不景气让上下游都在萎缩,但在@紫竹商业评论 看来,本质上,是零售渠道变革了,原来的占大面积场地的展示模式,肯定也变了。
  • 蒋方舟贾浅浅,那一代家长追逐神童及学位标签背后的文化反思

    2026-07-18
    4跟贴
    图片
  • 公司给员工提供AI工具费用,需要考核提效吗?
    据The Information报道,特斯拉在推动员工使用AI工具后,为相关支出设定了每人每周200美元的上限,管理对象指向员工在工作中使用AI服务产生的费用。与直接禁止外部AI工具不同,这一做法相当于在允许员工采用AI提升效率的同时,把成本控制在固定额度内,也便于公司统一观察使用频率和预算消耗。 群里有人说,特斯拉真抠门儿。其实,目前,并没看到怎么考核员工使用AI后能提高工作效率,如果不考核提高效率因素,那就是——公司又增加了成本。 特斯拉本身与Elon Musk旗下xAI关系密切,Grok模型发布和迭代也让企业内部AI工具选择更受关注。对大型科技和制造企业来说,AI从试用走向日常办公后,费用报销、工具准入和内部治理正在变成新的运营议题。
  • 亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松:Agentic AI不仅是技术创新,更是业务变革
    在亚马逊云科技中国峰会上,亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松表示,Agentic AI不仅是技术创新,更是业务变革。 储瑞松认为,企业要实现Agentic业务转型需要关注五个关键维度。首先Agentic AI的项目必须是业务结果导向而非工具导向,企业的决策重点需要从“选择技术和工具”转向“定义要达成的业务结果”,并以此反向驱动技术实现。其次,数据是企业的核心护城河,数据将从静态资产转化为持续驱动Agentic AI为企业创造价值的核心战略资产。第三,Agentic平台成为概念验证与生产的分界线,成百上千个智能体与人类员工、以及智能体之间的协同,必须依赖统一的平台进行赋能与管理。第四,信任和治理是发展的加速器而非刹车,在 Agentic AI 时代,清晰的授权体系、可追溯的决策机制以及自动化的审计能力,能保障智能体更安全、更放心地规模化运行。治理正在变成规模化部署智能体的前提而非限制。最后,组织内团队之间角色分工与协作得更为重要,由于智能体本质上是一支数字劳动力,企业需要建立全新的角色、机制和责任体系来协调和规范人机协作,如同管理人力资源一般去管理这支智能的数字劳动力。 对于想要开启智能体项目的企业,储瑞松给出了两点的建议。第一是选择合适的 Agentic场景。起始场景无需过于复杂,但需要对企业有切实的价值。该场景应具备明确的起点、终点和业务目标,需要智能体在多个系统和工具之间进行选择和判断,拥有可衡量的成功标准,并具备安全的失败模式,确保万一执行出错不会造成不可逆的后果。第二是明确智能体的边界,理清智能体的自主程度、管辖范围以及人机协作的审核分工。一个实用的方法是如同为新员工撰写工作岗位描述一样去定义智能体,明确其职责、交付标准与出错预案,并将其与业务 KPI 直接关联,从而在第一天起就能衡量其价值。在此基础上,企业便可以开启并成功上线第一个业务工作流进而积累经验并开启更多的Agentic AI工作流。
    热点情报所
  • 亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松:AI Agents 将重塑协作关系,五层技术栈助力企业实现Agentic AI业务转型
    在亚马逊云科技中国峰会上,亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松表示,AI Agents 将重塑协作关系,带来企业组织和价值创造的范式转移。储瑞松指出,AI从一个辅助性的工具变成了真正的生产力,其价值的计量单位也随之改变,AI 不再只是回答问题或帮助提效,而是开始直接为企业交付可衡量的业务结果。 然而,面对层出不穷、令人目不暇接的 AI 创新,企业需要一张清晰的全景地图来明确自身需求。为此,储瑞松提出了企业实现 Agentic 业务转型所需的AI的五层技术栈地图。 第一层是 AI 基础设施层,涵盖 GPU、AI 加速芯片以及配套的网络和存储,这是一切技术实现的基础。这一层的业务价值在于为模型提供充足的算力。对大多数企业而言,无需自行购买芯片或建设数据中心,这些底层基础设施是模型服务提供商和云厂商需要去操心的事情。 第二层是模型层。当前大模型的创新仍处于交替领先的快速迭代阶段,前沿模型既包括各类头部商业模型,也涵盖诸多能力强劲、大部分来自中国的开源模型。这一层的价值在于为智能体提供脑力服务。储瑞松将模型比作人才,指出不同岗位和工作应选用不同背景能力的人。对于企业应用来说,模型选择很重要。企业Agentic AI应用应根据实际需求选择在智力水平、速度和成本上最合适的模型,并且切忌自我设限,不要锁死在单一供应商的模型上。 第三层是数据和知识层。这一层的核心价值是为智能体提供相关、准确、新鲜且经过治理的高质量数据支撑。储瑞松坦言,绝大多数企业 AI 项目的失败,都是因为数据没有准备就绪。Agentic AI 应用若要为企业带来真正不可复制的差异化竞争壁垒,就必须深度融合并用好企业历经多年积累的自有数据与知识。高质量的数据是企业差异化竞争的壁垒:因为企业数据是自身多年积累的、别人无法短期复制。 第四层是 Agentic 平台层。当企业从几个试点智能体发展到成百上千个智能体协同工作时,就需要一个平台来赋能和管理这些智能体,这就像创业公司规模扩大后必须建立管理系统和 HR 机制一样。这一层的业务价值在于为智能体提供统一的运行环境、开发工具,并提供规则、评估与治理等管理能力。其关键在于能否很好地支持大规模智能体的开发、部署、管理与迭代,这也是企业 智能体应用从概念验证走向生产的分界线。 第五层是智能体与应用层,这是Agentic AI 真正为企业创造价值、交付业务结果之处。这些应用既包括软件开发、IT 运维、知识工作者、客户服务等跨行业的通用场景,也包括能为企业带来最大业务价值的特定行业或定制化应用。智能体如同企业的数字员工,为企业工作并交付真实的业务结果。 储瑞松进一步指出,在这五层技术栈之外,安全、效果、性能和成本这四个维度贯穿始终,从上到下每一层技术栈都需要考虑。首先是安全,涵盖模型安全、数据安全以及智能体的权限边界,这是是智能体落地的底线。其次是效果,即智能体产出结果的质量,从模型选择、数据质量、平台层护栏,到智能体的设计与实现,每一层都会影响最终效果。第三是性能,包括响应速度、吞吐量和延迟等指标,是智能体在生产环境中服务海量用户时的必选项。最后是成本,企业必须能够将成本从智能体一路拉通到平台、数据和模型 Token,如果无法厘清智能体完成单项任务的实际花费,企业做的就不是部署,而是实验。 储瑞松强调,所有五层技术栈的存在,最终都是为了最顶端的业务产出服务。真正决定 Agentic 项目成败的唯一标尺,是可衡量的业务产出。企业必须量化Agents带来的业务价值,无论是任务完成吞吐量、产出质量、每任务成本、交付周期,还是人力等效、客户满意度与营收增长等偏宏观的指标。
    热点情报所
  • 亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松:Agentic AI爆发的拐点已然来临
    在亚马逊云科技中国峰会上,亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松表示,Agentic AI爆发的拐点已然来临。这背后,是模型能力的不断提升和Agentic工程体系的日益成熟,两者形成了一个相互促进的飞轮。一方面,模型能力在你追我赶、交替领先中持续突破,从推理能力、代码生成到多模态理解,模型的智力水平不断跨越新的门槛。另一方面,基于模型能力的Agentic工程体系正在快速成熟。 储瑞松指出,Agentic工程体系是把模型能力转化为可以稳定交付业务结果的智能体的体系化的工程能力。这一工程体系在过去两年多里经历了快速的演进,并逐步形成了三层逐层递进和包含的工程体系。首先是早期备受关注的提示词工程(Prompt Engineering),即研究如何通过最有效的提示词,让模型“理解你希望它做什么”。 其次是一年多前行业开始关注的上下文工程(Context Engineering),旨在研究如何在合适的时机,向模型输入正确的信息、工具与记忆,从而让模型“掌握它需要知道什么”。最后是最近半年成为焦点的驾驭工程(Harness Engineering),侧重于围绕模型搭建稳定的执行框架,包括智能体循环、工具调用、评估、重试及护栏等,让模型能“可靠地把事情做完”。 储瑞松强调,Agentic工程实践的成熟,又反过来为模型能力的提升提供了真实世界的反馈,清晰地指引模型厂商在哪些应用场景需要部署更强的能力,以及哪些边界亟待突破。随着这一飞轮的正式启动与加速旋转,从而推动了 Agentic AI 爆发拐点的到来。
    热点情报所
  • 很多企业已经发现,能力越强的Agent(智能体)意味着越大的攻击面,而且Agent带来了传统软件从未有过的安全挑战:它们是概率性的。Agent会做出判断,而判断可以被上下文所影响。新的风险暴露点不再是网络,而是Agent的上下文,提示词注入和记忆投毒不需要入侵系统,只需要说服agent做出一个错误判断。
    亚马逊云科技6月18日宣布,专注于Agent构建、连接与优化的一站式平台Amazon Bedrock AgentCore推出多项新功能,助力企业加速构建拥有更广阔知识和持续学习能力的Agent。这些新功能将能够打通Agent与企业内部知识、公开网络知识及付费知识资源的连接通道,助力技术团队快速定位并修复生产环境中的故障问题,并搭建随Agent能力提升同步扩展的管控体系。 大多数Agent的实际表现远未达到潜力上限,差距不在于智能,而在于获取正确的上下文和反馈。 亚马逊云科技此次的更新,能够跨越复杂问题进行推理,规划多步骤工作流,并生成精准细腻的响应,同时,可以负责解答企业退款政策问题的客服类Agent,若无法访问SharePoint中存储的政策文档,便无法提供有效支持;撰写市场简报的研究类Agent,若无法获取训练数据之外的实时信息,输出的内容便会存在缺失;财务顾问类Agent,若无法突破付费墙获取所需的实时市场数据,只能给出次优建议。而在所有场景下,多数团队都缺乏系统化的方法,无法追踪Agent部署后的效果优劣变化。 不过,能力强大的模型仅仅是起点,让Agent在生产环境中发挥效能的关键,在于使其能够获取完成全部工作所需的一切——正确的知识、执行操作的资源以及持续改进的反馈闭环,这才是智能体一直在发展的方向。
  • 只要有人愿意信故事,什么都能搭上科技快车。
    从小吃的溜溜梅港股上市,结果,因为中文拼音简称LLM,被误导解读成英文“大语言模型”的英文中译,结果就这么华丽丽地成了大模型概念股……当股民存在信息差时,最好的避险方式是选择靠谱的基金,由信息充分的、有良心的基金经理去负责选股,这样,可以稍微规避些做韭菜的机会。#溜溜梅上市#
正在载入...
正在载入...