公司：阿里巴巴
阿里巴巴集团创立于1999年，是中国大陆一家以提供互联网服务为主的综合企业集团，目前实行位于杭州，上海与北京的双总部制度。
阿里巴巴服务范围包括B2B贸易、网上零售、购物搜索引擎、第三方支付和云计算服务。集团的子公司包括阿里巴巴B2B、淘宝网、天猫、一淘网、阿里云计算、聚划算、全球速卖通、阿里巴巴国际交易市场、饿了么、飞猪、优酷、盒马鲜生、阿里影业、菜鸟网络、高德地图、Lazada、Daraz等。旗下的淘宝网和天猫在2012年销售额达到1.1兆人民币，2015年度商品交易总额已经超过三兆元人民币，是全球最大零售商。
至2012年九月底止的财政年度，以美国会计准则计算，阿里营业额按年增长74%至318.39亿元（港元‧下同），盈利急升80%至37.75亿元。2015年全年，阿里巴巴营收146.01亿美元，净利为74.94亿美元。2017年，根据阿里巴巴集团向美国证券交易委员会提交的IPO招股书显示，雅虎持有阿里巴巴集团22.6%股权、软银持阿里集团34.4%股份，另管理层、雇员及其他投资者持股比例合共约为43%，当中马云持阿里巴巴集团约8.9%、蔡崇信持股为3.6%。
2019年11月，阿里巴巴集团在在港交所二次上市。香港财经界把阿里巴巴、腾讯（港交所：700）、美团点评（港交所：3690）、小米（港交所：1810）四只中国大陆科技股的英文名称首个字母，合称“ATMX”股份。
2019年11月26日，阿里巴巴集团港股上市，总市值超4兆，登顶港股成为港股“新股王”。2020年8月，阿里巴巴集团港股总市值首次超过6万亿。
阿里巴巴拆份出去的蚂蚁集团上市前，网络金服整体遭遇到政府的强力监管，阿里巴巴同样受到影响，2021年4月10日，阿里巴巴集团涉垄断被中国市场监管总局罚款182.28亿元人民币。2023年三家中国最主要的金融机构，再联合开罚71亿元，不过也随着官方宣布最后整顿工作的完成，阿里巴巴股价开始反弹。
除了MCP我们还有什么？
agents.json是基于OpenAPI的开放规范，专为AI agent与互联网服务提供商的交互设计。它通过结构化描述API，确保AI agent能稳定准确地调用服务。agents.json引入flows和links概念，定义复杂操作的执行顺序，优化自然语言驱动和任务流标准化，增强API的可发现性，解决多步骤调用的可靠性问题，支持现有身份认证体系，部署成本低，生态开放。
当AI学会了自我升级，天网还会远吗？
AI通过模拟侦探游戏展示自我升级能力，利用动态执行代码解决复杂问题。在游戏中，AI通过写代码读取线索，推理出小偷身份，展现了自主解决问题的能力。这一过程不仅体现了AI的自我修复和升级潜力，也引发了对其未来发展的深度思考。AI或能自主运维系统，甚至改写代码，展现出了超越人类想象的潜力。
为什么一定要做Agent智能体？
Agent智能体通过大模型调用API模拟人类行为，简化复杂任务执行。尽管面临响应慢、幻觉和交互不友好等挑战，但其优势显著：降低开发门槛、简化流程、支持多样交互及多Agent协同。技术创新正不断优化Agent性能，提升效率与稳定性，使其在解放生产力、推动智能化进程方面展现巨大潜力。
MNN LLM：让你手机本地也能跑 DeepSeek R1 还能支持多模态
MNN LLM是一款开源工具，支持本地部署、移动端运行及多模态处理。通过模型量化与硬件优化，显著提升了推理速度与稳定性，解决了下载困难。支持Android、iOS和桌面端，用户可轻松体验大模型功能，实现“自己动手，丰衣足食”。优化了推理速度、多模态处理和下载体验，提供丰富的模型支持列表。
MCP 实践：基于 MCP 架构实现知识库答疑系统
AI Agent正快速发展，2025年或成其元年。开源大模型能力与商业大模型齐平，推动AI应用模式革新。MCP渐成事实标准，支持私有知识库的问答系统开发。实践展示了基于MCP构建知识库、优化检索流程及实现智能问答的全过程，体现了AI应用技术的高效迭代与创新潜力。
破茧成蝶：传统J2EE应用无缝升级AI原生
本文探讨了传统J2EE应用向智能化转型的技术挑战与解决方案。通过阿里云应用服务器的渐进式容器化技术，实现了EJB与微服务的互通，并引入大模型即插即用架构，解决了协议鸿沟、资源冲突和观测失明等问题。文章还提供了具体实施步骤，帮助企业顺利过渡到智能应用时代。
AI驱动研发效率在中后台的实践
AI技术在中后台前端研发中发挥重要作用，通过设计出码、接口定义转换、代码拟合等环节优化流程，提升效率。重点解决UI代码编写和接口联调难题，结合大语言模型支持私有组件、RAG方案和AI辅助Code Review工具。试点结果表明，AI显著提高研发效率，未来有望进一步深度整合。
A2A（Agent2Agent） 简介
Google发布Agent2Agent协议（A2A），为智能体间通信设立开放标准。A2A支持安全协作、任务管理、体验协商和能力发现，通过AgentCard、Task等核心要素实现高效互操作。与MCP互补，A2A更注重对等交互，推动Agent生态发展，助力企业领域Agent协同。
CVPR'25 | 高文字渲染精度的商品图文海报生成
阿里妈妈团队提出商品图文海报生成模型PosterMaker，通过字符级视觉特征实现高精度中文文本渲染，结合TextRenderNet和SceneGenNet模块，解决文本渲染和商品保真度问题。模型在中文句子级生成准确率超90%，已应用于万相营造工具和广告投放场景，显著提升电商创意制作效率。
100行代码讲透MCP原理
MCP（Model Context Protocol）通过100行代码展示了其核心原理，巧妙设计支持双向通信和异步任务。MCP采用SSE和HTTP POST实现双向通信，结合JSON-RPC规范，适合AI应用集成。其有状态会话、事件通知和动态能力协商，使其在API、MQ和WebSocket中独树一帜，为AI与外部系统集成提供灵活方案。
三问一图万字拆解DeepSeek-R1：训练之道、实力之源与市场之变
DeepSeek-R1通过强化学习和蒸馏技术，显著提升了模型的推理能力，并在低成本下实现了高性能。其训练过程包括冷启动、大规模RL和迭代微调，模型在推理任务中展现出自主解题能力。DeepSeek-R1的出现不仅降低了AI应用门槛，还推动了行业技术路线的多元化，重塑了市场对高性能AI的价格预期。
前端构建持久化缓存服务的设计与经验总结
2023年12月起，我负责前端构建持久化缓存服务的设计与开发，2024年3月和12月分别上线编译缓存和依赖缓存服务。通过缓存预检机制和迭代粒度的双级缓存机制，构建效率显著提升，编译缓存覆盖率达62.05%，编译性能提升18.37%。尽管部分缓存复用仍存在挑战，但整体优化效果显著，未来将持续推动技术升级。
手搓Manus？MCP 原理解析与MCP Client实践
MCP协议为AI系统提供安全、标准化的数据访问方式，采用客户端-服务器架构，支持本地和远程数据源访问。协议层负责消息封装和通信管理，传输层支持Stdio和HTTP+SSE通信方式。MCP客户端与服务端通过初始化、消息交换和终止三个阶段建立连接，支持请求-响应模式。实践展示了如何通过MCP实现AI工具调用和数据交互，提升AI的实用性和智能化。
基于AIGC技术的营销短视频生产方案及业务实践
淘宝内容AI团队通过AIGC技术，创新性地开发了三套短视频生产方案，包括看点剪辑、混剪视频和营销视频，旨在利用现有素材生成高质量短视频，提升用户体验和转化率。这些方案通过多模态大模型、智能剪辑和文案生成等技术，显著降低了制作成本和时间，满足了平台对短视频的庞大需求，推动了技术与业务的深度融合。
一文讲透MCP的原理及实践
MCP（Model Context Protocol）是AI与外部工具和数据交互的统一标准，旨在简化AI系统集成，提升可靠性和效率。通过客户端-服务器架构，MCP连接本地和远程资源，支持开发者快速构建强大AI应用。它不仅解决平台依赖问题，还提供更安全、灵活的工具调用机制，推动AI生态发展。MCP的核心在于通过结构化上下文信息，增强模型的实际问题解决能力，成为AI世界的“万能适配器”。
大模型推理框架RTP-LLM P-D分离之道：从思考到实战
RTP-LLM是阿里自研的大模型推理加速引擎，通过P-D分离技术优化大模型推理性能。Prefill阶段负责生成KVCache，Decode阶段利用KVCache生成后续Token。P-D分离让两者独立运行，避免相互干扰，提升时延稳定性。采用RDMA技术加速KVCache传输，减少通信开销。该方案已在多个场景上线，显著降低时延和资源占用，未来将继续优化长序列处理和分布式调度。