现代技术创新已超越核心自动化边界。目前普遍期待此类系统具备原生智能，使其能学习、调整功能、自主决策。此类智能系统示例包括语音激活助手、能识别异常行为的高级摄像头、能建议替代疗法的医疗程序。 此类系统的核心构建模块涉及两大变革性技术：人工智能（AI）和云计算。AI 支持系统学习和进化能力，类似人类思维发展过程；云计算提供此类系统全球部署和运行所需的底层基础设施。二者共同支撑为企业实现更复杂、上下文敏感、个性化的体验，以及运营效率。 认知计算系统的特征 复杂系统执行任务超越单纯履行预定协议。它收集信息、分析、得出结论、运用逻辑、持续改进方法。系统部分可归类为： 1. 数据获取 此阶段涉及收集不同形

API 优先软件开发是指一种方法论：在其他系统和应用之前，先设计、文档化和开发 API（应用程序编程接口）。采用此方法，API 成为决定各组件、应用、服务和集成如何相互交互的基础构建块。 在现代电商架构中，API 优先设计在微服务中普遍，并在需要模块化、可重用性、一致性和易集成的可组合商业项目中发挥关键作用。这些平台通常是更大生态系统一部分，需要与其他核心业务系统快速、持续通信。 应用被拆分为小型、独立的服务，每个执行特定业务功能（如用户认证、结账、产品目录）。因为它们可独立开发、部署和扩展，维护和更新系统部分而不影响整体应用变得更容易——这种模块化提升敏捷性和系统韧性，同时实现更快创新。 因

跟踪实时分析和AI市场的新闻与发展可能令人望而生畏。幸运的是，我们为您整理了本周团队收集的各项要闻。如果您希望直接收到邮箱，请点此订阅！ The Linux Foundation 欢迎 AGNTCY 项目，一个开源基础设施，实现不同供应商和框架 AI 代理间的发现、身份、消息传递和可观测性。Cisco、Dell Technologies、Google Cloud、Oracle 和 Red Hat 作为创始成员加入 Linux Foundation 治理下的 AGNTCY 项目。 AGNTCY 最初由 Cisco 于 2025 年 3 月开源，并与 LangChain 和 Galileo 协作，

当今创新相关技术扩展面临的一个巨大问题是如何供电。公司从本地存储转向云，但即使有 AI 等新技术，我们仍需弄清基础设施放在哪里。CoreSite 最新报告《2025 数据中心现状》揭示了企业在混合环境中优化工作负载的平衡术有多复杂。 “2025 数据中心现状”报告的关键发现是什么？ 曾一度为追求数字化转型，一切都在向云迁移。然而，在意外成本和网络安全复杂性增加后，不少组织已将至少部分工作负载迁回本地。CoreSite 报告发现，98% 的领导者计划采用混合 IT 模式或已采用。 这一趋势留下了空白。工作负载虽可跨混合系统优化，但移动到不同位置会降低连接性。93% 受访者指出连接性是数字化转型的

跟踪实时分析和AI市场的新闻与发展可能令人望而生畏。幸运的是，我们为您整理了本周团队收集的各项要闻。如果您希望直接收到邮箱，请点此订阅！ MLCommons 发布其行业标准 MLPerf Storage v2.0 基准测试套件结果，旨在以架构中立、代表性、可复现方式衡量机器学习（ML）工作负载的存储系统性能。此轮基准测试参与度大幅提升、提交组织地理代表性增强、提交测试系统多样性增加。 基准结果显示存储系统性能持续快速提升，测试系统服务的加速器数量约为 v1.0 轮的两倍。MLPerf Storage v2.0 结果见此：存储基准结果。 SNIA（处理和优化数据技术的非营利全球组织）宣布 Sto

跟踪实时分析和AI市场的新闻与发展可能令人望而生畏。幸运的是，我们为您整理了本周团队收集的各项要闻。如果您希望直接收到邮箱，请点此订阅！ HPE 宣布其 NVIDIA AI Computing by HPE 组合的进展，支持企业客户贯穿整个 AI 生命周期。该举措加强与 NVIDIA AI Enterprise 的集成，将最新 NVIDIA AI 模型和 NVIDIA Blueprints 引入 HPE Private Cloud AI。 HPE 还将出货搭载 NVIDIA Blackwell 加速计算的 HPE ProLiant Compute 服务器，推进生成式、代理式和物理 AI 工作负

制造业领导者越来越多地拥抱AI和计算机视觉，以提升运营精度、强化安全、改善产品质量。智能相机和AI驱动传感器已成现代工业智能的核心组件。 然而，随着组织致力于利用高保真视觉数据获取实时洞察，许多人痛觉发现：云优先架构跟不上。网络拥塞、高延迟、存储成本激增，将一切推至云端根本无法满足现代工厂车间需求。 为解决这些问题，制造商转向边缘优先、流式处理策略。这些方法将实时AI直接带到数据源头。包括装配线、车间、边缘环境。简而言之，衍生智能就在决策需要快速、可靠、无妥协的地方。 视觉AI在制造业的崛起 工业制造商需要实时视觉智能，以在日益复杂的生产环境中维持运营效率、确保安全、维持严格质量标准。不同于传

在各行各业，数据工程师和数据科学家都在寻求更好地利用隐藏在文件共享中、锁定在不同系统内的数据。他们需要这些数据为 AI 和分析工具创建工作流，以便更多地了解市场、创造新产品和服务，或改进业务运营和客户关系。 方程式的另一面是，企业数据带来大量业务不理解、甚至 IT 内部也不了解的风险。例如： 数据存储和备份占大多数 IT 预算至少 30%，而资金本应用于创新、网络安全和卓越客户体验； 大多数非结构化数据未被用于业务价值； 高达 80% 的非结构化数据极少使用，占用昂贵存储空间； 许多组织没有明确的保留和删除策略，也不定期清理数据，担心部门反弹。仅重复数据就能轻松占平均企业数据占用的 30-4

主权 AI 不始于也终于欧洲数据中心的模型训练。主权 AI 是完全控制 AI 的数据、基础设施和决策的权力——确保每一步的信任、合规和独立。真正的主权始于对整个数据生命周期的端到端控制。事实上，Gartner 2024 年预测：到 2027 年，70% 部署生成式 AI 的企业将在选择公共云 GenAI 服务时优先考虑数字主权和可持续性。 为什么端到端控制是游戏规则改变者 想象你经营一家高端汽车公司。你设计了一款突破性电动汽车——设计是你的，品牌是你的，展厅自豪地挂着你的名字。表面看，这是完全自有产品。但细看：组装汽车的工厂由外部方运营。原材料由你未审计的供应商采购。为车辆提供动力的软件由海外

曾几何时，迁移到超大规模公有云平台的主要理由是摆脱基础设施维护业务。IT 部门不再想管理物理服务器，或面对依赖本地硬件带来的可扩展性约束。于是公司转向公有云，按需租用服务器。 至今，许多人仍认为轻松获取基础设施是云迁移的主因。现实是，超大规模云平台的价值现已远超基础设施即服务（IaaS）。这就是为什么有意最大化创新的公司需要更具创造性地思考为何以及如何充分利用超大规模解决方案。 允许我通过讨论超大规模平台在现代 IT 中的角色，以及企业如何利用当今超大规模解决方案达到最大效用来解释。 另请参阅： 构建云中立平台基础设施：关键特性与实施策略 云平台如何演进 要理解超大规模云解决方案在现代 IT

如果你从事基础设施工作，你一定感受过数据引力的实战。你规划并构建了一个田园诗般、原始、灵活的架构，并短暂地驻足欣赏。接着，你加入数据——然后数据增长了！突然，工作负载围绕它聚集，服务部署在数据所在之处，你的架构决策悄然被存储位置而非业务优先级所主导。 起初很微妙，这里多几毫秒延迟，那里多一笔小额出站费。但快进到后来，你管理的系统中移动工作负载不再是战略选择，而是赫拉克勒斯般的壮举。这才是真正的危险。不是你不能移动，而是移动变得如此昂贵、破坏性大、政治困难，以至于你干脆不移动。 关键在于？引力不在乎你被困的环境是否仍适合你。 什么是数据引力？ 你懂这个类比——质量吸引质量。在技术中，数据集是质量

混合云是企业现代化同时确保现有基础设施可靠性的首选策略。通过结合本地系统与云环境，组织能充分释放数据潜力，增强敏捷性，优化工作负载。这种方法实现对关键数据的无缝访问，消除孤岛，提升整体运营效率。随着数据量持续增长，解决方案不仅要满足当前需求，还要提供灵活性以支持未来需求。超过半数组织优先将云能力与可用资源对齐，以有效管理集成，抓住新兴技术机遇。 生成式 AI（GenAI）和自动化常被视为数据上云后的应用工具，但在当今格局下，它们必须成为组织更广泛混合云战略的核心部分。无论利用主帧数据、迁移上云、还是优化云原生应用，AI 和自动化不再是可选项——它们是必需品。这些工具现在填补了常造成采用障碍的空

跟踪实时分析和AI市场的新闻与发展可能令人望而生畏。幸运的是，我们为您整理了本周团队收集的各项要闻。如果您希望直接收到邮箱，请点此订阅！ Confluent 在本周的 Current 大会上发布多项公告。今年大会主题“实时数据与 AI 的汇聚”，凸显了开发 AI 计划者将流、事件和其他动态数据纳入工作的迫切需求。大会公告反映了这一需求： 推出 Confluent Intelligence，用于构建和驱动上下文丰富的实时 AI。基于 Confluent Cloud 的全托管栈持续流式处理历史和实时数据，将上下文直接送入 AI 应用。企业可建立建立在动态、可信数据上的 AI 系统。 Delta

在单一数据中心或中心化云设施运行 AI 业务的时代已经结束。现代 AI 应用必须利用高度分布式的服务和能力。将这些资源无缝整合需要一种全新的网络方法。NaaS（Network-as-a-Service，网络即服务）应运而生——顾名思义，这是一种云服务模式，提供商按需向企业交付网络能力，包括连接、安全和管理，通常采用订阅制。 快速了解现代 AI 应用的工作方式即可说明 NaaS 的必要性。首先，用于训练 AI 模型的数据通常存储和生成在不同位置。用于训练模型和运行推理的计算资源往往分散，特别是随着 GPU-as-a-Service 和 Neoclouds 等新服务的兴起。实时应用对快速分析和可操

跟踪实时分析和AI市场的新闻与发展可能令人望而生畏。幸运的是，我们为您整理了本周团队收集的各项要闻。如果您希望直接收到邮箱，请点此订阅！ Snowflake 多项重磅发布 Snowflake 本周发布了多项涵盖不同应用领域的公告。首先，Snowflake Intelligence 现已向全球客户正式开放。这是一个企业级智能代理，帮助用户用自然语言回答复杂问题，让每位员工都能触手可及地获取洞察。该方案还通过 Zero Copy 技术，统一了结构化表格、非结构化文档以及 Salesforce Data 360 等第三方应用的数据源。 公司还推出了一套全新的开发者工具，旨在帮助组织更快、更安全地构建

分析师估算2025年云数据库与DBaaS市场规模约240亿美元，预计至2030年保持约20%复合年增长率。驱动力：云原生架构迁移、AI与物联网数据爆发、全球分布式低延迟数据服务需求。 显著的是，2025年云数据库市场处于转型期：不再仅是“云上数据库”，而演进为企业级数据与AI控制平面，厂商竞相将向量搜索、自动化、无服务器经济模型原生集成至服务中。 2025云数据库市场四大看点 1. AI原生与向量赋能数据库成标配 最显性变化：“数据库+向量搜索”成基线而非例外。 Google Cloud大推AlloyDB AI：将向量嵌入、高性能向量搜索、自然语言接口融入PostgreSQL兼容服务，支持多

训练与运行AI模型常为分布式工程：算力与数据资源战略部署以优化性能降本。分布式模式将底层网络基础设施推至聚光灯下。本周在德州阿灵顿举行的GNE 2025大会，聚焦AI的网络维度。 AI对年度全球NaaS盛会（GNE）的影响贯穿始终。往年主题聚焦NaaS本身，近年主办方Mplify（前MEF，由服务商、技术方案商、企业用户组成的国际组织）转向开发框架、生命周期服务编排（LSO）API、认证体系，使NaaS可靠订购、安全交付。 聚焦面向AI的NaaS 今年Mplify拓展职能，直面AI、分布式智能、新云与GPU即服务等现代业务对强健网络的需求。 CTO Pascal Menezes开场定调：“网络

跟踪实时分析与AI市场动态令人望而生畏。我们为您汇总每周关键进展，点此订阅获取邮件推送。 重磅：MLPerf训练v5.1基准测试显著突破 MLCommons发布MLPerf Training v5.1基准套件新结果，凸显AI生态快速演进与丰富度提升，以及新一代系统的显著性能跃升。两个面向生成式AI场景的基准测试较v5.0大幅提速，超越摩尔定律预测改进率。 v5.1刷新系统多样性纪录：20家提交组织提交65个独特系统，涵盖12种不同硬件加速器与多种软件框架。近半为多节点提交，较v4.1同比激增86%。多节点采用多种网络架构，多含定制方案。提交组织：AMD、ASUSTeK、Cisco、Datacr

在日益依赖实时决策的行业——制造、交通、电信、公共安全等——数据不再以偶发批次产生，而是从传感器、机器、移动资产、数字应用持续、大规模涌现。长期以来，将数据集中回传至云或数据中心分析被视为高效，但当今数据流的体量、速度与关键性，暴露了传统“回传优先”方法的严重局限。 多年来，常规处理此类数据流并寻求实时洞察的组织，已将分析下沉至数据产生的边缘。随着数据量与生成速率持续攀升，越来越多组织赋予边缘系统高级智能，使其能基于实时/近实时分析洞察自适应行动。 回传数据的局限性 当数据量与生成率尚低时，回传中心化设施处理曾有实用性：存储分析用于即时行动或历史趋势研判。但在高吞吐持续流场景下，该模型失效。受

跟踪实时分析与AI市场动态令人望而生畏。我们为您汇总每周关键进展，点此订阅获取邮件推送。 重磅：能源部牵头“起源使命” 目标十年内双倍科技生产力 美国能源部（DOE）将主导新倡议“起源使命”，旨在借AI之力变革美国科学与创新，十年内将美科技与工程生产力与影响力提升一倍。将汇聚约4万DOE科学家/工程师/技术人员与私营创新者，借力17国家实验室、产业界、学术界构建一体化发现平台，连接超算、AI系统、下一代量子系统与先进科学仪器。 回顾上周： 11月22日周报 AWS斥资$500亿扩建美政府AI/超算产能 Amazon宣布投资高达$500亿扩展AWS美政府客户AI与超算能力：跨AWS Top Se