Workflow
AI原生能力
icon
搜索文档
华为云“码道”代码智能体开启公测,支持 GLM-4.7 和 DeepSeek-V3.2
新浪财经· 2026-02-11 18:32
产品发布与定位 - 华为云于2024年1月正式发布名为“码道”(CodeArts)的代码智能体产品 [1][8] - 该产品被定位为深度融合AI原生能力的智能编码产品,现已开启万人公测 [1][8] 核心功能与特性 - 产品集成了集成开发环境(IDE)、自主开发模式、代码库索引三大核心能力 [1][3][8][11] - 支持项目级代码生成、代码续写、研发知识问答、单元测试用例生成等核心功能 [2][9] - 用户输入需求后,AI能直接写出代码,旨在高效提升开发者研发效率 [3][11] 技术集成与兼容性 - 产品接入了GLM-4.7和DeepSeek-V3.2两种大模型 [1][8] - 支持JetBrains系列和Visual Studio Code两大主流IDE [1][8] 商业模式与版权 - 目前“码道”个人版已面向开发者免费开放,企业版将在后续公布 [1][8] - 公司明确表示,代码智能体输出的代码版权归属用户,产品本质是辅助工具,不具备创作自主性 [5][13]
蚂蚁CEO发布内部信:推动业务和组织“全面AI化”
搜狐财经· 2026-02-02 16:28
蚂蚁集团推出AI专项激励方案 - 蚂蚁集团CEO韩歆毅发布全员邮件,宣布推出“AI Credit”特别激励方案,对于在AI方向有开创性贡献的团队和个人,将在原有绩效激励基础上给予额外的激励 [1] - 该激励方案的核心在于将AI能力与商业价值紧密挂钩,要求AI成果必须落地转化为实际的业务增长 [3] 激励方案的具体设计与目标 - 对于在AI方向做出开创性贡献并得到市场初步认可的团队和个人,公司将在原有的绩效激励基础上给予额外的激励 [2] - 未来两年如相关业务有效提升公司价值,即可解锁兑换成SERs(经济受益权),反之则无法兑换成SERs [2] - 此举不仅是对创新团队的奖励,更是一种激励机制的变革,旨在打通AI研发与业务落地的壁垒 [3] 公司战略方向与自我定位 - 公司CEO韩歆毅明确指出,目前仅是取得“小胜”,远未到庆功时刻,在技术迭代加速、行业格局瞬息万变的背景下,蚂蚁仍然是“追赶者” [3] - 公司提出“业务和组织都要全面AI化”的目标,认为唯有保持强烈的紧迫感与危机意识,拒绝小胜即安,才能将势能转化为真正的胜势 [3] - 支付、金融与医疗健康,将成为支撑蚂蚁下一个十年的三条腿,这三个领域在专业门槛、智能深度和不可替代性上,都有望构建新的护城河 [3] 行业影响与市场评估 - 业内认为,当蚂蚁将组织和业务全面推向AI化,对其市场价值的评估权重,也将随之转向AI原生能力 [3]
AI 驱动与价值释放:运营商数据安全创新厂商深度解析
搜狐财经· 2025-09-29 11:16
行业核心观点 - 运营商数据安全行业正经历从“合规工具提供商”向“价值释放赋能者”的战略转型,创新格局以AI原生能力为核心,以场景化落地为抓手 [1] - 行业需解决合规与效率失衡、保护与利用冲突、传统架构与新型威胁脱节三重结构性矛盾 [2] - 厂商核心竞争力演变为“AI原生能力 × 场景适配深度 × 生态整合广度”的复合能力,推动数据安全从“成本中心”转变为“价值创造中心” [12] 行业痛点 - 合规与效率失衡:需同时满足《数据安全法》分级分类要求与5G切片、边缘计算等业务的低延迟需求,传统静态防护方案导致业务卡顿或合规失守 [2] - 保护与利用冲突:用户通信记录、位置轨迹等敏感数据作为核心资产与交易资源,实现“可用不可见”成为核心难题 [2] - 传统架构与新型威胁脱节:依赖人工运营的传统安全体系对AI驱动的自动化攻击误报率超40%,响应滞后达小时级 [2] 技术创新方向 - AI原生安全平台:通过“感知-决策-处置”智能闭环,实现攻击检出率提升至99.2%,数据分级效率较人工提升60倍,威胁响应时间从小时级压缩至分钟级 [3] - 可信数据空间:通过“数由器”等连接器融合隐私计算、区块链与数字水印,实现算力损耗降低40%,支撑运营商与金融机构联合建模,实现数据“可用不可见” [4] - 场景化防御方案:聚焦外挂攻击、应用流转、IDC客户数据防护等特定场景,如通过UEBA行为基线模型将误判率控制在0.3%以下,异常数据请求量下降78% [5] 厂商竞争格局 - 平台级厂商(如安恒信息):掌控60%以上市场份额,优势在于技术前瞻性(提前3年布局AI安全)和生态整合力(接入800余家合作伙伴),主导行业规则构建 [6][7] - 场景化服务商(如保旺达):占据25%-30%市场份额,优势在于行业适配能力(部署周期缩短40%)和技术积累(拥有100余项专利及软著),聚焦垂直业务痛点 [8][9] - 技术组件供应商:聚焦隐私计算、区块链等单点技术,提供模块化能力支撑,技术通用性强但行业适配能力较弱 [10] 落地挑战 - 数据孤岛未破:省际运营商数据标准不统一,导致威胁情报系统仅能覆盖单一运营商30%网络节点 [11] - 算力成本高企:AI安全平台日均消耗算力达512TOPS,中小运营商部署成本占IT预算27%,制约规模化应用 [11] - 供应链风险凸显:部分核心算法依赖开源框架,存在后门隐患,信创适配率仅65% [11] 未来趋势 - AI与业务深度融合:安全能力将嵌入5G核心网、算力网络等基础设施,形成“网安一体”架构 [11] - 轻量化部署普及:预计2026年边缘安全产品市场占比将突破35%,通过“边缘节点+云端大脑”混合架构降低算力消耗 [11] - 合规自动化升级:结合LLM技术实现“法规解读-策略生成-合规校验”全流程自动化,适配多区域监管要求 [11]