通过Microsoft 365访问评审防止云数据泄露

赞助商提供

09:45 AM

Microsoft 365让共享变得如此便捷,以至于可能迅速失控。大多数组织并不清楚其用户正在共享什么内容或与谁共享,这使公司数据面临风险。了解如何通过M365的访问评审重新掌控共享内容。

云协作已成为现代工作场所的基石。数以百万计的公司依赖Microsoft 365等平台为员工提供无缝共享体验。仅Microsoft Teams在全球就拥有3.2亿活跃用户:这个数字已接近美国总人口。

云套件的吸引力显而易见。向同事发送演示文稿并讨论反馈;与团队进行视频通话时,将更新的幻灯片文件放入会议聊天窗口——同时还能通过Teams安排午餐计划。随时共享文档从未如此简单。

但让最终用户共享变得过于便利的问题在于,安全团队难以跟进。随着数百名用户发送链接和邀请访客,组织很快会失去对员工共享内容的追踪。

云套件使您的员工能够在没有IT或安全团队监督的情况下自主决定访问权限:只需点击“共享”并标记同事、业务伙伴、承包商或任何您想分享的人。

过度共享:当云访问失控时

如果没有适当的防护措施,使用Microsoft 365等云套件会导致过度共享:内容被共享的时间超过必要期限,或共享给超出实际需要的人员。

无论这是由于粗心大意还是恶意行为所致,过度共享都是巨大的安全风险,会导致云文档暴露,敏感数据易遭窃取、泄露或破坏。

有问题的共享往往始于善意,访问权限最初具有明确的业务目的,但长期缺乏检查。以下是实践中过度共享的一些示例,您可能会在自己的工作场所发现类似场景。

Microsoft 365中的过度共享表现:

自由职业者为协助项目获得某些文件的访问权限。项目结束后,无人记得取消其权限。他们无限期保留访问权。

您创建电子表格与公关机构协调工作。次年更换机构后,却从未删除原始文件。

新成员加入Microsoft Teams频道。他们获得了通过“文件”选项卡共享的所有内容的访问权限,包括您未意识到的敏感文档。

您在SharePoint中创建文件夹与供应商共享文件。随着时间的推移,用户开始在该文件夹中存储其他文档,而未考虑谁有权访问。

类似情况不胜枚举:共享链接被粘贴到电子邮件链中、从未从云文档中移除的非活跃账户等等。

通过Teams、OneDrive和SharePoint的访问评审重新掌控共享内容

tenfold是首个为Microsoft 365共享内容提供深度访问评审的身份治理解决方案。从SharePoint站点到Teams频道及一对一聊天:全面掌握用户的共享内容,并提示他们撤销过时的云访问权限。

预约个人tenfold演示以亲身体验!

预约个人演示

原生M365工具:无可见性,无控制力

Microsoft 365让用户轻松共享文档,却让组织几乎无法了解用户的共享内容。Microsoft 365原生工具对此问题缺乏可见性。

用户共享信息分散在SharePoint站点、Teams频道和每个用户的个人OneDrive中。云权限没有集中报告功能,使组织在过度共享方面完全处于盲区。

缺乏适当控制是云访问风险的主要驱动因素之一。即使是第三方工具或付费插件也难以胜任此任务。例如,虽然Entra ID治理包含访问评审,但仅涵盖账户和组成员身份——不涉及共享内容。

这导致巨大的安全盲区,使组织容易遭受意外泄漏和定向数据窃取。只有针对云权限和共享内容的深度治理才能化解此风险。

共享内容的访问评审可消除过时且危险的云权限。

曙光:tenfold的M365访问评审

如果您正为控制共享内容而困扰,这里有个好消息:我们的身份治理解决方案tenfold是业内首个提供共享内容访问评审的工具。

tenfold不仅让您深度了解用户的共享内容——提供跨Teams、OneDrive和SharePoint的共享内容集中概览——还能提示用户及频道/站点所有者评审共享链接和权限。

tenfold中的Microsoft 365治理功能:

基于角色的访问、生命周期管理及云端与本地的深度报告
跨Teams、OneDrive和SharePoint的共享内容集中概览
M365用户、群组和共享内容的访问评审
通过个性化评审仪表板简化评审执行
完整的请求、变更和评审决策审计追踪
评审结果的自动执行

每个用户都会收到个人评审仪表板的链接,其中显示他们当前共享的所有项目,并允许一键确认或移除。tenfold会自动撤销所有未通过评审的共享链接或权限。

微软已于2026年1月9日(周五)开始逐步停止支持Android和iOS设备上的Microsoft Lens PDF扫描应用,并计划于下月将其从应用商店下架。

Microsoft Lens(此前称为Office Lens)能够扫描印刷体和手写文本,并帮助用户将图像转换为PDF、Word、PowerPoint和Excel文档。

该应用的停用计划最初于2025年8月公布,当时微软表示停用流程将于9月中旬开始,一个月后将禁止新用户从应用商店安装。

然而,微软在周五更新了Microsoft 365消息中心的说明,提供了新的时间线,并建议用户转向使用OneDrive的文档扫描功能。

微软表示:"iOS和Android版Microsoft Lens应用将于2026年2月9日从应用商店下架,扫描功能将于2026年3月9日停止服务。用户应切换至OneDrive的扫描功能。无需管理员操作,请相应通知用户。"

"即使用户设备上仍保留该应用,在变更后仍可通过应用中的MyScans访问历史扫描文件,但微软将不再提供此功能支持。请注意,用户需要登录Microsoft Lens应用中最后使用的活跃账户才能访问历史扫描记录。"

希望切换至OneDrive内置扫描功能的用户需点击界面右下角的+按钮,然后点击"扫描照片"。但用户必须将扫描文件保存至OneDrive,因为该功能不支持本地保存。

Microsoft Lens是微软近年来宣布将停用的多项服务和应用之一。例如,微软曾在2025年5月通知Microsoft Authenticator用户,密码自动填充功能将于7月弃用,并给予用户截至8月1日的时间在功能失效前导出密码。

此前两个月,该公司曾提醒Microsoft Publisher用户,该桌面出版应用将不再获得支持,并将在2026年10月后从Microsoft 365中移除。

西班牙能源巨头Endesa披露影响客户的数据泄露事件

                        作者

上午10:57

Endesa是西班牙最大的电力公司,现由Enel集团所有,为西班牙和葡萄牙超过1000万客户供应天然气和电力。该公司表示其客户总数约为2200万。

这家能源公司已通知受影响的Energía XXI客户,并公开披露了此次安全事件,称其检测到对其商业平台的未授权访问。

截至目前调查表明,黑客获取了以下类型的数据:

基本身份信息

联系方式

国民身份证号码(DNI)

合同详情

支付信息,包括国际银行账户号码(IBAN)

Energía XXI和Endesa均明确表示,此次安全事件未泄露账户密码。

针对这一情况,该公司已封锁受损内部账户的访问权限,转储日志记录进行分析,并正在通知所有客户。此外,公司已建立加强监控机制以检测进一步可疑活动。

由于调查仍在进行中,公司已向西班牙数据保护局及该国所有相关机构通报。

"截至本通报发布之日,尚无证据表明事件所涉数据被欺诈性使用,因此对您的权利和自由产生高风险影响的可能性较低。"Endesa指出。

然而风险依然存在,通知信收件人需警惕身份冒充、数据窃取和网络钓鱼攻击,并被要求通过通知中包含的号码报告任何可疑活动。

据称Endesa数据库正在出售

与此同时,威胁行为者上周发布了据称是从Endesa窃取的数据样本,声称涉及2000万条记录。这些数据正被出售给单一独家买家。

消息来源:BleepingComputer

黑客声称拥有约1TB包含Endesa客户信息的SQL数据库。根据卖家提供的详细信息,这些数据似乎与Endesa声明的入侵者在其系统中所访问的内容相符。

BleepingComputer已就这些指控联系Energía XXI和Endesa,但发言人仅提供了官方声明。

Energía XXI表示该事件未影响其运营或服务,客户可继续享受同等服务且无风险。

公司承诺,若正在进行的调查发现事件更多细节,将在未来几天直接通知受影响客户。

直接上地址: AutoVerity

用了一个多周了,体验下来真的太棒了,太棒了,太棒了(重复 3 遍,不是 AI )。

我平日工作中每天要打开验证码的网站,这个插件会 ocr+自动填充,节省不少时间。

这个工具半年没更新了,大家有类似的插件吗?担心后面不维护了。

ps. 只支持普通的 ocr ,上难度的不太行。

在线预览 https://mdnice.disign.me/

本人不太懂前端代码,使用 Codex 干了三天,对 Markdown-nice 二次开发。本来一直在用他的在线版本,结果发现有很多问题,其中有个就是无法上传图片,因此我二次开发了支持了一些功能。

Markdown Nice 是一个可编辑主题的 Markdown 编辑器,适用于公众号等排版场景。

本次开发支持功能如下:

  • 支持 Cloudflare R2 作为图床
  • 升级 nodejs 支持的版本,目前支持 node v20 以上版本打包
  • 支持使用 tauri 打包成本地应用
  • 新增文档列表管理功能,支持新建文档、查看历史文档以及编辑和删除历史文档
  • 支持图床配置的导入和导出,方便跨浏览器同步配置
  • 支持文章目录,可以对文章进行分类。
  • 支持文件检索,使用 Lunr + jieba-wasm 实现文档检索

大家好,

主要想分享一个刚刚肝出来的 VS Code 插件:WTF Commit

起因:
最近想找个 VS Code 插件来自动生成 Git Commit Message 。试了好几个热门插件,发现大多数都有几个问题:

  1. 太重了:很多都要在侧边栏占个位置,或者强行绑定一堆我不用的功能。
  2. 模型支持有限:我想用 DeepSeek 或者 Moonshot (Kimi) 这种便宜又好用的国产模型,但很多插件只写死了 OpenAI 或 Anthropic ,不支持自定义 Base URL ,或者配置起来非常麻烦。

本来想给某个开源插件提 PR 增加自定义功能,结果发现老代码改起来太痛苦,各种依赖报错。一气之下,决定遵循“奥卡姆剃刀”原则,从零开发一个只做这一件事的极简插件。

核心功能 & 特点:

  • 极致简约:没有侧边栏 Webview ,入口直接集成在 Source Control 面板的标题栏(一个小星星图标 ✨)。
  • 模型自由:内置了 DeepSeek / Moonshot (Kimi) / 智谱 GLM 的预设,同时也支持 Custom 模式。只要是兼容 OpenAI 格式的接口(包括本地的 Ollama )都能用。
  • 安全第一:API Key 不会明文存在 settings.json 里,而是走 VS Code 原生的 SecretStorage 安全存储。
  • 懒人模式:支持配置快捷键(默认 Cmd+Opt+G),可选开启 Auto CommitAuto Push。按一下,直接生成 -> 提交 -> 推送一条龙。

插件名字由来:
起名废,写代码时就在想 "What The F**k should I name this commit?",于是就叫 WTF Commit 了。希望它能帮你解决写 Commit 时的抓狂。

链接:

代码完全开源,基于 TypeScript 开发,目前非常轻量。如果你也有类似的需求,欢迎试用,也欢迎提 Issue 或 PR !

对话类的(不考虑 tts/生图/语音识别),平时用 api 比如翻译/aicommit 这种简单场景,会使用 deepseekv3/mimo-v2-flash/gpt-4.1-mini/qwen3-32b 等,这些模型访问快,消耗低。

另外是代码模型,会使用 gpt-5.2-pro/claude-opus-4.5/glm-4.7/minimax-2.1/gemini-3-pro 等。

再者在 cherry-stuido 中用的对话类的,基本就是 deepseekv3 了。

再如果想让 ai 联网搜索做对比推荐,会直接使用网页版 gpt/gemini/grok 等,不会使用 api 。

所以我好奇使用 api 推理模型的人多吗?比如 gpt 那些 o1/o3 等模型,我一次也没用过。

发一个内网端口穿透工具,
https://tunneling.cc/#download

家里有 NAS 、自建服务,想随时随地访问的人
运维/开发经常需要对外临时暴露测试环境的人
追求配置一次、长期稳定的人
不想每个内网设备都装客户端的人
祝大家内网穿透从此不再痛苦,远程访问一路丝滑!🚀

最近做的一个自用项目「股票分析推送」开源之后,不到 48 小时就达到了 700+ star, 也引发了我的一些思考,分享给大家看看。

作为工程师,平时用开源项目用得很多,说实话也一直想着做点东西回馈社区。
当然,如果项目能被更多人看到,Star 往上涨,本身也是一种很直接的认可。

陆续发过一些项目,最近做的两个开源项目,结果反差非常大,也让我对「什么样的项目更容易被用、被传播」有了更清晰的认识。


第一个项目:花了最多精力,但反响最小

第一个项目是一个微调数据集构建相关的工具

起因其实很现实:之前项目中发现这块几乎没有现成好用的方案,很多事情要反复手工处理,于是就想着自己系统性地做一个。
这个项目前后投入了不少时间,代码结构、功能完整度都比较高,还专门整理好发布到了 PyPI 。

从技术和工程角度看,我对它是满意的,甚至还有公司因为这个项目找我,后续会集成到他们的项目中进行使用。
但数据也很直观:大半年时间,Star 只有 140+。

后来慢慢也想明白了原因:

  • 偏底层
  • 使用场景相对窄
  • 需要一定背景才能真正用起来

它不是没价值,而是真正需要它的人,本来就不多


第二个项目:做起来最轻,但反馈最猛

最近做的第二个项目,本来是写着自己用的,开源之后大家的热情程度是超乎意料的。

这是一个偏应用层的股票分析推送项目,逻辑并不复杂,目标也很明确:
拿来就能用。

从设计、简单测试到功能补充,其实都不算重活。很多细节甚至是开源之后,根据网友反馈一点点补上去的。
整个过程比第一个项目轻松得多。

但结果是:
48 小时内,Star 突破 700 。

这个增长速度,说实话我自己都有点意外。


一点很现实的反思

把这两个项目放在一起看,其实结论非常清楚:

开源项目火不火,很多时候和你“技术写得有多深”关系不大,
和它是不是立刻能用、有没有门槛、是不是热门方向关系很大。

简单总结一下:

  • 第一个项目
    偏底层、门槛高、需要理解背景
    技术价值不低,但“用起来成本高”

  • 第二个项目
    偏应用、零门槛、而且是 AI+股票这种热门方向
    Fork 一下、配个配置就能跑,不用理解原理

当“直接可用”摆在面前,大多数人会自然做出选择。


这不是否定技术项目的价值,而是如果你做开源的目标里既有分享,也希望被更多人看到,那就必须正视“实用性”和“传播性”这件事。

这是我非常真实的一次经历,记录下来,希望对你有点参考价值。

最后也贴一下这两个项目,感兴趣可以看看:

今年的 CES,中国硬件又一次成为主角。活跃在拉斯维加斯展台上的诸多出海产品,背后依托的是深圳的研发效率与供应链能力,而其智能化核心,则越来越多建立在以 Qwen 为代表的多模态、全尺寸的大模型基础上。

与沙漠赌城的 CES 同期,在深圳蛇口,阿里云也举办了一场智能硬件展。这场展会面向公众免费开放,选址于本地居民日常散步、观海和看展的滨海文化地标,却意外成为 AI 硬件从实验室走向真实市场的缩影。1000 余款智能硬件在这里集中亮相,其中超过 200 款与 CES 同款甚至首发。这里既有来自北京、杭州的创新团队,也有来自义乌、华强北等产业带的制造与渠道力量——他们对技术趋势的嗅觉,向来快过任何市场报告。

技术验证与市场反馈在同一空间同时发生。在这里你可以听到合作方直接询价“多少钱,做 OEM 吗,能做多少套”,也可以看到消费者直接下单,把 399 元的 AI 玩具带回家。许多普通家庭第一次在这里集中体验到能对话的毛绒玩具、教用户跳舞的镜子、能翻跟头的机器狗,和具备实时提醒能力的 AI 眼镜。

早在 2024 年云栖大会上,阿里云董事长吴泳铭就明确指出,未来 AI 最大的想象力会来自于物理世界:“我们不能只停留在移动互联网时代去看未来,深层次 AI 最大的想象力绝对不是在手机屏幕上做一两个超级 APP,而是接管数字世界,改变物理世界。”

但在这轮 AI 硬件浪潮中,阿里云没有选择去做终端硬件的制造者,而是以软硬一体的融合理念,向产业提供底层模型能力、云基础设施与生态支持。

数据显示,通义大模型的多模态能力已深度赋能超过 15 万家智能硬件厂商。

从雷鸟的 AI 眼镜、听力熊的儿童 AI Pin,到优必选机器人、趣丸科技的生成式 AI 吉他,这些走进全球家庭的产品背后,都能看到以通义为代表的阿里云基础设施的支撑。而它们从概念到量产、从深圳到世界的惊人速度,也再次印证了深圳这座“硬件硅谷”在研发、供应链与商业化效率上的独特优势。

For everyone, by everyone 的 AI 硬件

逛完阿里云通义智能硬件展,一个强烈的感受是,这是我经历过为数不多,能让普通人玩得开心、让创业者看到机会、让厂商验证商业模式,同时清晰传递主办方战略意图的展会。

阿里云租下深圳海上世界文化艺术中心三层空间,用一种近乎“生活化”的方式,向公众展示:AI 能长在玩具里、眼镜上、健身镜中,甚至成为家庭一员的日常存在。向企业展示:你能快速依托阿里云的生态,快速做出能进入全球家庭的产品。

展会围绕两条主线展开:一是呈现阿里云的底层能力,二是展示其赋能下的千款智能硬件成果。

一楼以“智能中枢”为核心,展示通义大模型的能力:观众上传一张照片,就能生成一段短视频;走过一段互动迷宫,便能直观感受多模态 AI 如何理解图像、语音和动作。

智能中枢周围环绕着“创造有 AI”“生活有 AI”“AI 实训营”等主题区,OPPO、理想、影石等品牌在此展示手机、智能座舱和 AI 影像设备,而像趣丸科技的 AI 吉他、Looki 这样的新奇产品,则让人看到 AI 如何重塑音乐、娱乐等日常互动。

趣丸科技与阿里云合作推出的全球首款生成式 AI 吉他 TemPolor Melo-D,在通义大模型的支持下,重新定义了人与音乐的交互方式,提供了个性化的 AI 音乐创作体验。

三楼聚焦陪伴、健康与安防,专设义乌厂商展区;四楼覆盖家居、教育、健身等提效场景,华强北的硬件老板们也把“一米柜台”搬到了现场。

通义联合听力熊为青少年定制随身 AI 对话智能体,打造国内首款儿童 “AI Pin” Mooni M1,提供多种角色选择。经过通义千问大模型加持,用户的 AI 使用时长提升 40 分钟。

阿里云想让大家知道,AI 有能力在所有场景里带来更好的体验。它同时也呈现出一种可能——不管是软件应用还是硬件产品,每个人都可以在这个时代搭建些什么。

阿里云 AI 实训营的 Agent 硬件搭建小课堂

对于普通人来说,硬件展是一个游戏体验。孩子和 AI 毛绒玩具对话,年轻人跟着镜子学舞,有人让 AI 解读运势、推荐香水,还有中学生在阿里云 AI 实训营中搭建了自己的第一个交互硬件。我们这代人仍然处于有“AI 硬件”概念的时期,而对于下一代人来说,可能已经不存在“AI 硬件”。当生活总所有一切都有 AI,AI 之于人,阿里云之于硬件和应用产品,就是水之于人的存在。

对创业者和企业主而言,展会成了高效的信息源。有用户的直接提问和反馈,也有工程师在展位前递上简历。采购顾问带着非洲、拉美的客户穿梭其间,现场询价、谈订单。

TCL、影石、安克创新的案例,更是为想要入局 AI 硬件和出海的企业打气——依托阿里云全球全栈 AI 基础设施,大型制造企业可实现研发、服务、出海一体化,新锐品牌也能快速站稳全球舞台。

刚在 CES 获得 Best of Innovation 奖项的影石,依托 Qwen-VL 实现视频与图片的分类打标和场景识别,结合 Qwen-Plus 生成剪辑脚本,赋能全球百万视频创作者。

安克创新依托阿里云“全球一张网”,实现跨境资源调度与合规部署,核心系统互访提速 30%,并将 Qwen 与 Wan 深度融入语音助手、多模态交互等产品功能。

TCL 则基于通义大模型打造了半导体显示专家系统 X-Intelligence,支撑其全球研发体系。

同时,阿里云把义乌、华强市场这些产品背后的“制造和分发网络”呈现在大家面前。在他们的摊位上,你可以看到很多产品尽管“粗糙”,却仍然有市场。在很多欠发达国家,AI 硬件需要的不是精致,而是先以成本最低的方法被用上。很多义乌玩具、小 3C 产品的批发商,嗅到 AI 风潮后,已经在深圳有了自己的硬件工厂。华强科技生态园等孵化器,也开始重点招募 AI 硬件的创业公司。

正如阿里云智能集团通义大模型业务总经理徐栋所说:“这样一个平台(以通义多模态交互开发套件为代表的 AI 硬件赋能平台)是我们非常重要的业务的选择,我们需要更多贴近阿里云的智能硬件开发伙伴。很多场景是碎片化的,只有做更贴近实际的生产环节、消费环节,每个人对 AI 硬件的体验才能更深。

AI 硬件,正在成为 for everyone, by everyone 的日常现实。而阿里云的角色,不是站在台前造产品,而是站在幕后,让创新更快实现。

阿里云,在 AI 硬件变革前夜

AI 硬件从极客圈层走向大众日常,标志着市场已从“启蒙期”进入“挑剔期”。当用户开始为 AI 服务付费、并将设备融入日常生活,产品的成败就不再取决于功能数量,而在于能否持续兑现可感知的价值——这要求厂商必须拥有一套覆盖模型、工程、服务与生态的系统性能力。

AI 硬件,特别是在消费级市场,正经历着一场根本性的转型。从传统的联网设备到如今的“端侧智能体”,AI 不再只是硬件的附加功能,而是直接决定产品核心价值的引擎。这一转变的核心标志在于:AI 不再作为附加功能嵌入硬件,而是成为产品定义、体验构建与价值交付的底层引擎。

早期智能硬件以“连接+控制”为基本范式,其智能化主要体现在远程操作与数据回传;而新一代 AI 硬件则要求设备具备持续感知、上下文理解、自主决策与协同执行的能力,成为一个能在真实场景中与用户形成闭环互动的“智能体”。

这一转变正在重塑硬件的设计逻辑、用户的价值预期与厂商的技术路径。

用对 AI 硬件的认知早已超越“新奇感”,转而关注端到端体验是否流畅、可靠、有用。更重要的是,用户开始愿意为持续服务付费。例如按月订阅儿童 AI 陪伴内容,或为高级健身指导功能续费。这催生了“硬件+服务”的新商业模式,但也带来新挑战,如果 AI 不能提供可感知的显性价值,订阅就难以为继。

技术架构也随之重构。端云协同的逻辑发生了变化。之前的端云协同更多指向算力分工,即端上承载不了的算力放在云上,但现在的端云协同是指能力互补。安全、延时、功耗的问题必须在端上解决,而生态打通这些能力可能在云上做。同时,交互方式正走向“无感化”——不是让用户察觉不到 AI 存在,而是让使用门槛足够低,无需学习就能自然融入原有生活节奏。

然而,对大多数硬件厂商而言,这场转型并不轻松。模型迭代速度远超硬件研发周期,而一个产品往往需要组合多个模型才能实现完整功能,集成复杂度陡增。与此同时,Agent 架构、工具链和工程平台快速演进,传统硬件团队难以跟上软件层的节奏。更棘手的是,许多厂商擅长制造和渠道,却缺乏用户运营、数据闭环和订阅服务能力,难以构建可持续的商业模型。

面对这些系统性挑战,阿里云提供了 AI 硬件的全链路支持体系。

在基础设施层面,阿里云面向 AI 应用场景全面升级计算、存储与网络能力,为高并发、低延迟的智能硬件业务提供稳定底座。

在模型层面,通义大模型家族(包括 Qwen3、Qwen-VL、QwQ 等)全面开源,并提供闭源高阶版本,同时接入第三方优质模型,帮助厂商一站式、低成本调用全球先进 AI 能力。针对多模态交互场景,阿里云还推出专有优化模型,降低端到端语音和视频交互时延。

阿里云的模型能力,已经获得顶尖手机、汽车、具身智能、智能配件品牌的认可和验证:

  • 目前,全球 Top 10 手机厂商已都在使用阿里云的大模型能力。例如,OPPO 利用阿里云人工智能平台 PAI 对 Qwen 开源模型进行后训练,以支持其 AI 多场景应用;荣耀则联合阿里云百炼打造 VQA 端到端方案,图片细分场景识别率提升近 40%,延迟降低 30%。荣耀 Magic V5 接入飞猪旅行、高德地图两个垂直 Agent 两个月即斩获百万级用户好评。基于“模型+工程+生态”三位一体的战略,阿里云正持续加速手机行业的 AI 功能创新与规模化落地。

  • 理想汽车基于阿里云 MindGPT 大模型,整合高德、飞猪、支付宝等生态,实现全球首个“车机 AI 扫码支付”;

  • 雷鸟创新联合阿里云推出行业首个面向智能眼镜的 AI 大模型,意图识别准确率达 98%,搭载该模型的雷鸟眼镜出货量领跑 AR 行业。

    • 优必选的萌 UU 陪伴机器人,搭载通义千问与自研情感智能体“点灵”,且具有长期记忆

    特别值得注意的是,阿里云此次还推出了全模态智能交互开发套件,将上述能力封装为标准化工具。该套件适配 30 多款主流 ARM、RISC-V 和 MIPS 架构芯片,覆盖市面上绝大多数终端设备。未来,通义大模型还将与玄铁 RISC-V 实现软硬全链路协同优化,进一步提升在国产芯片上的部署效率与推理性能。

    这套开发套件不仅提供基础能力,还预置十余款 MCP 工具和 Agent,覆盖生活、工作、娱乐、教育等高频场景。例如,基于出行规划 Agent,用户可直接调用路线规划、旅行攻略、本地探索等功能。同时,套件深度集成阿里云百炼平台生态,支持开发者添加社区模板,或通过 A2A 协议兼容第三方 Agent,极大扩展了应用边界。

    无论是 OPPO、理想这样的品牌厂商,还是华强北的创客、义乌的出海团队,甚至“一人公司”,都能借助阿里云的解决方案快速验证想法、打造产品,并参与全球竞争。

    正是阿里云“基础设施先行”的思路,让展会上那些看似天马行空的产品,得以从概念走向量产。

    有趣的是,阿里云大模型能力的升级节奏,与 AI 硬件的集中爆发高度同步。

    2023 年 8 月,阿里云开源 Qwen-VL 视觉语言模型,首次让中小厂商能免费调用工业级多模态能力;2024 年,Qwen-Audio、Qwen2-VL 等模型集中发布,补齐了语音、图像与文本融合交互的关键拼图;到 2025 年初,原生端到端的 Qwen3-Omni 模型的发布,以及 Qwen-Agent,进一步支持硬件端构建任务型智能体。这一连串技术释放,恰好为 AI 硬件创新提供了可落地的底层支撑。

    从 2024 年下半年起,阅读器、眼镜、耳机、学习机等细分品类迎来 AI 功能的规模化落地:文石、闪极、AIxFU、听力熊、云希谷等能纷纷接入阿里云大模型能力。

    这些产品的共同点,是都受益于通义的“全谱系开源”策略——0.5B 到 480B 的模型全覆盖,文本、语音、视觉、视频能力一应俱全。无论是大型企业,还是华强北的硬件作坊,都能找到适合自己的解决方案。

    正是这种低成本接入到快速验证的正向循环,让 AI 硬件从概念走向规模化落地。阿里云没有造 AI 硬件产品,却通过持续开源和能力迭代,成为这场硬件浪潮背后最坚实的推手。

    [开源发布] VeloxClip —— 一款更聪明的 macOS 剪贴板管理器

    我做了一款面向开发者与效率爱好者的剪贴板工具 VeloxClip ,主打 AI 增强与专业截图编辑,帮助你把“复制过的所有东西”都管理好、搜得到、用得快。

    为什么值得试试:

    • 语义搜索与自动打标签:不止关键字,按“意思”找内容;自动识别 json 、表格、URL 、代码、Markdown 、长文本等类型并打标签,收藏项支持自定义彩色标签。
    • AI 能力即插即用:OCR 图片文字识别、长文总结、翻译(中/英/日/韩/西/法/德)、代码解释、文本润色;默认接入 OpenRouter (含可用的免费 DeepSeek Chat )。
    • 专业截图与编辑:支持区域截图(默认 F1 )与悬浮贴图( F3 ),内置标注工具(箭头/矩形/高亮/文字/马赛克/橡皮擦),编辑后可一键复制或保存。
    • 面向开发者的预览:JSON 高亮与校验、表格智能分隔符识别、URL 校验与快速操作、代码多语言高亮、颜色 HEX/RGB/HSL 转换、图片元数据查看等。
    • 隐私与性能:不做云同步,数据只在你的 Mac ;语义向量与搜索结果本地缓存;收藏项不受历史数量限制且永久保留。

    核心体验:

    • Cmd+Shift+V 快速打开历史,并一键回粘到之前的应用。
    • 收藏与标签即组织,输入即检索,结果即使用。
    • 让复制变成“知识库”,而不是一次性的过路信息。

    技术栈与要求:

    • Swift 6 + SwiftUI
    • macOS 14.0+
    • AI 需在偏好设置中粘贴 OpenRouter API Key (可选,启用 AI 功能)

    开源仓库与下载:

    欢迎关注与试用,期待你在实际工作流中的使用感受与改进建议。

    主页: https://ilikebug.github.io/VeloxClip/

    背景

    1. 在各种限速的大环境下,实在忍受不了某信高价低质服务,100M 与 200M 上行的宽带给我偷摸限速好几次,解限速又拖个 1 个来月一次。所以全拆了( 200M 还留着),号码销户,不跟它玩了。月资费从 700+降低到 100+舒服了。
    
    2. 后面一开始补充了一条华数,华数比较有意思,1000M 对等,基本上行跑满某些测速测速点跑 8M 可还行。说来,华数还是可以的,给了公网 V4/6 ,然后呢 v4 禁止入站,好像没啥用?,V6 没限制就是跨网基本没啥速度。但是好处是玩游戏体验比某信好太多,类似 steam 都是秒开。
    
    3. 在后面了解到移动专线好像很便宜,就联系小区装维师傅推给我了我们这边的政企客户经理。后面证明此处踩坑了,这个客户经理给到的价格折合是 8.7/M/月。然后呢价格贵就算了,从初勘过后将近一个月时间没动静,一直以没设备为由一直拖着,期间也没有签合同,就耗着。
    
    4. 后面等不及了,通过代理商介绍了新的客户经理,给到基本上接近 7/M/月( spn+双路由+AAA 保障)。后面开始走流程,吐槽杭州移动效率是真的慢。签合同各种审批 1 个月( ip/优惠/数据等的审批),放线 2 天多,装设备半天,数据前后半个月。相当于前后花费了整 3 个月时间。
    

    价格

    接近 7/M/月
    

    接入方式

    1. 两个不同的机房,拉线到小区三网机房,在三网机房跳到我从机房到我们家之前的拉的 12 芯(一下子又用掉 4 芯,看来当初应该拉 24 的),最后接入 PTN906B (库存终于销出来了,除了功耗高点,设备还是很好使的。)
    2.  PTN906B 上联 SPN7900E 上联 NE40E (此处我也不清楚为啥连到 bras 上了?但是网络那边回复说是接核心交换机了)
    

    时效

    3 个月整
    

    配置

    1. ipv4 给了 4 个,但是说只能用一个,不过好像每个都能通?
    2. ipv6 给了个/64,网关什么也不给,这你让我咋配,被我骂回去了,目前还没回复。
    

    体感

    实际速率 66 左右(多给 30%,emmm 还行),高峰期测试,国内跨网基本跑满,基本没丢包,国外基本能直连的都是能跑满,且基本无丢包。走还是普通的 cmi ,没啥特殊加成吧?
    

    其他

    解锁一个新技能,拔光纤可以立马召唤师傅上门,笑死。
    

    MongoDB 最近修补了CVE-2025-14847,这是一个影响多个支持和遗留 MongoDB 服务器版本的漏洞。根据披露,该漏洞可以被未认证的攻击者以较低的复杂度远程利用,可能导致敏感数据和凭证的外泄。

     

    这个漏洞被称为 MongoBleed,以臭名昭著的Heartbleed命名,CVSS 得分为8.7,由对 zlib 压缩网络流量处理不当触发,允许未经身份验证的攻击者泄露未初始化的内存,并可能从受影响的 MongoDB 服务器窃取敏感数据,如凭证或令牌。根据Wiz的安全研究人员,该漏洞正在被广泛利用。

     

    正如 MongoDB 的声明所述,MongoDB Atlas 上的托管实例已经被修补,但是如果自托管 MongoDB 不更新,仍然存在风险。强烈建议组织立即应用安全补丁,或禁用压缩并限制网络暴露。Merav Bar、Amitai Cohen、Yaara Shriki 和 Gili Tikochinski 解释:

     

    CVE-2025-14847 源于 MongoDB 服务器基于 zlib 的网络消息解压缩逻辑中的一个缺陷,该逻辑在认证之前进行了处理。通过发送畸形的压缩网络数据包,未经身份验证的攻击者可以触发服务器错误处理解压缩的消息长度,导致返回给客户端未初始化堆内存。

     

    根据 Wiz 文章,42%的云环境中至少有一个易受攻击的 MongoDB 实例,Censys 报告称全球大约有 87,000 台服务器存在潜在的风险。由于该漏洞可以在没有认证或用户交互的情况下被利用,暴露在互联网上的数据库服务器面临特别高的风险。Wiz 团队补充道:

     

    在代码层面,这个漏洞是由 message_compressor_zlib.cpp 中的错误长度处理引起的。受影响的逻辑返回了分配的缓冲区大小(output.length()),而不是实际解压缩数据的长度,从而允许过小或畸形的有效载荷暴露相邻的堆内存。

     

    这个漏洞影响了自2017年以来发布的所有 MongoDB 版本。Linkfields Innovations 的软件开发人员 Gourav Boiri评论道

     

    MongoBleed 突出了即使是成熟的数据库,当暴露或打补丁时,也可能成为关键的攻击面。预认证内存泄露、主动漏洞攻击和 87K+暴露实例——提醒我们,数据库安全就是基础设施安全。

     

    在“简单解释MongoBleed”的文章中,Stanislav Kozlovski解释了这一漏洞的工作原理,并警告说:

     

    它非常容易被利用——只需要连接到数据库(不需要认证)。截至撰写本文时,它已经被修复,但一些 EOL 版本(3.6、4.0、4.2)将不会得到修复。

     

    InfoSec 创始人和实践者Eric Capuano解释了如何从日志中检测数据库服务器是否被利用。在一个流行的Reddit帖子中,用户 misteryuub 争论道:

     

    很多人争论说开源代码比闭源代码更安全,或者安全问题会在开源代码中更快被发现。这种级别的漏洞存在是对这个论点的反驳。

     

    Kozlovski 不同意:

     

    当人们说开源更安全时,他们通常指的是有活跃社区的开源项目。Mongo 在 2017 年似乎没有这个,因为引入这个漏洞的 PR 没有在公共 GitHub 上被审查。

     

    MongoDB补丁版本现在可用于从 4.4 到 8.0 的所有支持版本。像Percona Server for MongoDB这样的分支也受到上游漏洞的影响

     

    https://www.infoq.com/news/2026/01/mongodb-mongobleed-vulnerability/

    英伟达(NVIDIA)发布了一套涵盖语言、智能体系统、机器人技术、自动驾驶和生物医学研究的开放模型、数据集和开发工具。此次更新扩展了多个现有的 NVIDIA 模型家族,并通过 GitHub、Hugging Face 和 NVIDIA 的开发者平台提供了相应的训练数据和参考实现。

     

    在代理式 AI 领域,NVIDIA 扩展了 Nemotron 模型家族,为语音识别、检索增强生成和安全提供了新的组件。Nemotron Speech 包括针对低延迟、实时用例优化的自动语音识别模型。Nemotron RAG 引入了用于多模态文档搜索和检索流程的嵌入和重排视觉语言模型。Nemotron Safety 增加了用于内容过滤和敏感或个人身份信息检测的更新模型。NVIDIA 还发布了用于选定 Nemotron 模型的数据集和训练代码,包括在公共基准上评估的嵌入模型。

     

    对于机器人技术和物理 AI,NVIDIA 引入了新的 Cosmos 世界基础模型,这些模型支持在真实环境中的感知、推理和合成数据生成。Cosmos Reason 2 是一个多模态推理模型,旨在增强智能体在物理环境中操作的场景理解。Cosmos Transfer 2.5 和 Cosmos Predict 2.5 专注于在不同环境和条件下生成合成视频数据,支持仿真和数据增强工作流程。基于 Cosmos,NVIDIA 发布了 Isaac GR00T N1.6,这是一个用于人形机器人的开放视觉-语言-动作模型,支持全身控制并将视觉感知与动作规划集成。

     

    公告的一个组成部分是 NVIDIA Alpamayo,一个用于基于推理的自动驾驶的新开放模型家族。Alpamayo 结合了感知、规划和可解释性,采用视觉-语言-动作架构,并与仿真工具和大规模驾驶数据集相匹配。NVIDIA 还引入了 AlpaSim,这是一个用于自动驾驶汽车模型闭环评估的开源仿真框架。

     

    据 NVIDIA 汽车部门负责人吴信洲表示,Alpamayo 和相关工具反映了跨研究、模拟、数据工程、安全和集成团队多年的开发努力。吴指出,这项工作涉及广泛的道路测试、使用 Cosmos 等平台进行持续的大规模模拟,以及与包括梅赛德斯-奔驰在内的汽车合作伙伴的紧密合作,计划在即将推出的量产车辆中进行初步部署。

     

    医疗保健和生命科学更新通过新的 NVIDIA Clara 模型提供。这些包括用于原子级蛋白质设计的 La-Proteina,用于合成感知药物设计的 ReaSyn v2,用于早期安全和相互作用预测的 KERMT,以及用于 RNA 结构建模的 RNAPro。NVIDIA 还发布了一个包含 45.5 万个合成蛋白质结构的数据集,以支持该领域的训练和评估。

     

    所有模型和数据集均在开放许可下发布,可通过 GitHub 和 Hugging Face 访问。NVIDIA 表示,许多模型还被打包为 NIM 微服务,以便在从本地推理环境到云基础设施的 NVIDIA 加速系统上部署。

     

    https://www.infoq.com/news/2026/01/nvidia-open-models/

    Anthropic正在将Claude引入医疗健康领域,此前OpenAI也为ChatGPT采取了类似举措。

    在一篇博客文章中,Anthropic解释说Claude正在扩展至医疗健康领域,并且正在测试专为医疗需求定制的新型连接器。

    借助人工智能,医疗健康领域可以优化计费流程并提升工作效率。但Claude还能通过其他方式提供帮助。

    例如,Claude现在可以连接CMS承保数据库,并根据所在地点查询医疗保险覆盖规则,支持预先授权等操作。

    CMS集成能够协助医疗健康机构完善收入周期管理并提升合规性。

    此外,Claude可以查询ICD-10编码,这意味着它现在能够纠正医疗编码错误、减少计费失误并优化理赔处理流程。

    最后同样重要的是,当Claude在医疗健康领域全面部署时,它可以验证医疗服务提供者、支持资质认证,并减少理赔差错。

    鉴于最近有些记忆性的东西要整理,所以想起来很早起看到的 anki ,决定试用一下。

    我导出了我的几篇文档,让 gpt 根据我的文档导出了知识条目为 csv 。

    然后在 anki 里面根据 csv 的列名创建了笔记模板,让 gpt 生成了基于列名的卡片模板,然后库库一通把 csv 导入到 anki 里面。

    试用了一会儿了,发现如下几个问题:
    1. anki 我理解就是用户自定义的“英语背单词软件" plus ,百词斩,墨墨背单词,欧路词典这种的,用户可以自定义自己的知识领域,而不单纯是英文单词。

    2. 这个什么记忆曲线的模式,好像对我当前的记忆场景来说,效率并没有很高。因为我要记忆的是几个基础的计算机相关的机械性的快捷键,或者命令。撑死了不过几百条。

    我现在完全可以让 ai 生成一个结构化的,排版优良的,带有总结性对比性 markdown 表格的文档,然后每天过一两遍也就 ok 了。

    anki 我感觉适合的场景可能就是每天利用零碎时间”背单词“。。。

    但是背单词的话,why 不用百词斩这些现成的工具。

    另外,调研工具期间还发现了一个 remNote 的笔记软件,导入了一个 anki 的牌组试用了一会儿也放弃了,感觉有点花里胡哨,还是直接抱着 obsidian 硬背完事儿了。

    前些天, 骑小电驴准备出门, 刚骑 300 米就发现不对劲,车速上不去, 停车发现轮胎瘪了且发热严重, 赶紧推车去修理铺

    老板和我说, 这是正常情况, 叫"慢漏气", 今天可能是达到了临界值。我这辆小电驴买了一年 8 个月, 骑行 7000 公里, 一直没充过气

    老板帮我修好车 充足气, 这几天骑行明显感觉不一样:

    小电驴最快速度提升了 3km/h(比出厂的最快速度还是稍低一些, 应该是电机老化)

    续航提升 20%(每天骑同样距离, 之前每晚充电花费 1.05 元, 修车后每晚花费 0.85 元), 松开电门滑行距离明显变长

    建议 v 友关注电动车的胎压, 可以提高续航, 减少轮胎磨损

    我岳母帮忙接送小孩,她擅长做家乡的小吃,而且做的不错,平时周末都会做一些,大人小孩都爱吃。
    有一次周末我用手机记录下了完整的过程,剪辑好发到了 dy ,没有想到平台推了很多的流量(相对之前 260 多个生活分享的视频流量来说),第二天发现流量也惊到我了,私信非常多。
    然后第二周末,几百个私信中选了 5 个同城网友,多做了 10 份,送给他们试吃,看反馈。
    试吃后反馈都挺好的,都有问下次什么时候有做,可以买,
    然后拉 V 群,升级装备,准备材料,原来的一周一次预订,到现在一周两次预订,也可以区域单独包团。
    V 群由原来的 50 人不到,不到一个月时间,现在 350 多人,

    也因为加 V 太频繁了,被反 Z 中 x 提醒,去 he 实情况。

    老家小吃有地域性,私信过来的都是很想吃小吃的同城网友,因此推送的非常精准,如果不是家乡人或者喜欢吃的人,可能不会找过来,有带一些情怀的因素在。
    因为用料比较实在,反馈也挺好,不断有群友邀请进群,不过做下来挺辛苦的,每次要早起,忙完后午饭都是中午 1 点以后的事情。
    每次做完预订的小吃,小单半天小几百,周末单多会多,相当给岳母增加一些收入。
    很多加 V 的好友会给提供建议,最近也在考虑年后是否做一些调整。

    如果有时间, 可以自己定场地,然后去中羽联 app 创建俱乐部发布活动, 现在还有很多微信小程序
    一个场地招 6 个人, 可以先做新手和进阶水平的活动, 球不用买太贵的,
    一个人大概可以赚 10 块钱,工作日和周末多弄几个场地,
    当然还需要在群里活跃气氛,增加用户粘性, 一个月几千块没问题
    同理可以扩展到其他体育以及户外项目

    AI 短剧的代码终于写完了,从剧本分析到场景,人物角色的生成,场景和人物的关系结合剧本的生成分镜图片。再到图片生成视频,视频和视频之间的拼接,最后拼接视频整合。

    我们从一开始就打算开源这个产品,让更多人接触 AI,接触短剧,自己成为导演,拍出自己想要的电影或者短剧。

    中间还是踩了很多坑,人物的一致性,场景的切换,短剧的分类,有些模型对生成真人不太友好,所以推荐大家先从 AI 漫剧开始做起。

    而且不得不说,目前模型的进化能力真的好强,有声视频的推出解决了声音画面的配音背景音乐的问题,但后期我们还是要解决人物声音背景的一致性。而且中间画面一幕一幕的转场问题,如果转场转的不好,很容易让观众跳脱出这个故事。

    还有剧本的一个章节,每个画面可能需要人工来判断, 那些描述和画面适合在一个画面场景里面,这些可能需要我们大家一起去了解学习。

    最后,代码地址在这里,大家可以拉代码启动,自行体验,通道一直开放,永久开源,无限进步,大家一起努力~


    📌 转载信息
    原作者:
    xiaojunersheng
    转载时间:
    2026/1/12 17:10:47

    这是一个愚蠢的错误,因为长久以来我一直觉得 baseurl 可能不用加 /v1 (而且我也不理解,因为 baseurl 顾名思义就是基础 url, 所以我一直不理解), 除非出错了我才会想起来应该加 v1, 如果有大佬知道希望解惑一下


    放一个仪表盘
    你可能发现你的请求在 CLIPROXY 里看起来经常成功,但是 opencode 会卡住,要么是开始卡住,要么是新 task 的时候卡住,开始卡住是因为开始用的就是 CLIPROXY 的模型,新 task 卡住是因为新 task 配的模型是 CLIPROXY 模型
    不知道为什么没有人提过这个问题,可能成功者的成功千篇一律,失败者的失败万里挑一吧
    考虑到确实困扰了我一段时间,所以虽然很搞笑,但是我还是发出来了
    但是我还是感觉很莫名其妙:baseurl 没有加 v1, 返回的全是页面首页,CLIPROXY 以为成功了所以不会报错,opencode 不知道为什么也不会报错,所以很难找出 bug, 除非灵机一动用 curl 看了看输出


    📌 转载信息
    原作者:
    prosumer
    转载时间:
    2026/1/12 17:10:29