从训练到推理：大模型与 AI 基础设施的成本逻辑与落地路径
本文围绕大模型与 AI 基础设施，系统梳理了从训练算力到推理成本、从企业落地路径到 MaaS 商业模式的核心逻辑。训练侧以 FLOPs 估算公式为起点，说明参数量、Token 数与并行策略、混合精度、容错调度共同决定实际成本；推理侧则指出其作为持续性运营支出，可能因用户规模增长而超过一次性训练投入，并需借助量化、调度与资源池化持续优化。企业落地方面，提示词工程、RAG 与微调分别对应“怎么问”“问什么”和“模型认知边界”三个层次，通常应优先选择轻量方案。MaaS 将模型能力封装为按 Token 计费的 API，降低了企业使用门槛，也使推理效率成为竞争壁垒。在此背景下，以盾码无界为代表的一体化智
AI 应用的存储账：对象存储不只是「放文件」
AI 应用的存储用法和传统应用差别很大：向量化入库带来读放大，冷数据分层来得快，高频小块读写会让请求费反超容量费。账要按容量、请求、流量、取回四项拆开算，为访问模式付费，而不是为容量付费。
EvilTokens 设备代码钓鱼平台攻击机制与协同处置研究
EvilTokens是Storm-2992团伙运营的AI赋能钓鱼即服务（PhaaS）平台，滥用微软设备代码认证协议，绕过多因素认证，批量劫持企业邮箱。2026年2月上线，数月内入侵超1.2万个邮箱，波及79国、万余机构。微软联合多国机构开展跨国协同关停，查封50个主站、禁用150个域名，并配合英警方抓捕嫌疑人，成为全球首例针对AI-PaaS平台的根因打击范例。（239字）
恶意令牌溯源：设备代码钓鱼攻击的原理、演化与防御研究
本文剖析EvilTokens为代表的设备代码钓鱼攻击：利用OAuth设备授权流程，通过社会工程诱导用户在官方页面授权，窃取访问令牌。该攻击绕过多因素认证与传统钓鱼防护，隐蔽性强。研究提出覆盖身份提供商、企业管控、邮件边界及用户教育的多层防御体系。（239字）
阿里云上长期跑 iPolloWork：哪些做法该留，哪些别做
本文详解iPolloWork在阿里云长期运维的核心原则：坚持状态隔离（开发/Cloud配置互不干扰）、安全组与出网最小化、严守“桌面壳≠服务端”“本地包≠正式版”两条红线，并厘清package仅推进版本号而不发布。适合云上长期运行团队，助你降本增效。（239字）
从零搭建 QoderWork 桌面智能体：客户端安装、参数配置、自定义 Skill 编写与调试完整流程
QoderWork作为桌面端本地AI智能体，跳出传统AI仅输出文本回复的局限，真正做到在本机完成文件管理、数据处理、文档生成、跨软件办公自动化，“AI实习生”定位可以承接大量重复枯燥工作。依托沙盒隔离运行保障敏感文件安全，零代码上手降低普通用户使用门槛，Skill扩展系统可以沉淀团队专属自动化流程，同时支持多模型灵活接入，兼顾个人、小团队以及企业不同层级需求。普通用户直接使用内置Skill配合自然语言指令就可以快速提效；有开发能力的使用者可以通过CLI命令、API接口开发自定义Skill，搭建高度定制化的自动化工作流。在实际使用中，应当遵循最小权限原则，只授予必要文件夹访问权限，按照任务复杂度
