文章探讨NoSQL时代数据库分类的困境：NoSQL已从键值、列族、文档、图四类扩展至向量、时序、空间、面向对象等八类，仍难穷尽（如ZooKeeper）；按CAP原则分类不准确，因许多新型数据库的AP/CP属性取决于用法；OLTP/OLAP分类也难以覆盖NoSQL。作者最终放弃树形归类，认为NoSQL时代呈扁平化百家争鸣特点，并总结了按数据模型、部署方式、处理方式和存储方式的常见分类及适用场景。

Go提案#77441获接受，为net/http.Server新增HandleRequest方法，公开请求到达用户Handler前的内部处理层，涵盖OPTIONS *响应、DefaultServeMux兜底和panic恢复。其动机是让HTTP/3等第三方协议实现复用标准库逻辑、避免复制代码，并便于测试完整Server行为。方法名由ServeHTTP改为HandleRequest，返回error以反映panic。该接口面向协议实现者和测试，不宜作为Handler用于生产。

华为陈帮华在Network X 2026维也纳BDC峰会上提出三个“R”策略以重塑AI时代网络价值：Rebuild网络架构，从以行政区域为中心转向以AIDC为中心；Reshape商业模式，企业用户从售卖带宽升级为带宽+时延+可靠性及算网一体化服务，家宽用户从家宽业务升级到家庭组网再到智慧家庭；Redefine网络运维，从半自动化迈向全生命周期智能化。

相芯科技升级AI智能影像解决方案，构建一体化AI影像工作流。该方案融合大模型与自研视觉算法，提供200余项人像处理、50余项色彩调节能力及千余款素材，覆盖直播、拍摄、精修等场景，支持多模态输入与批量处理，兼容鸿蒙、iOS、安卓等多系统及中低端机型，并通过标准化SDK快速接入，降低开发成本，助力企业规模化落地。

Lovart 2.0 推出个人设计 Agent“Arti”，针对 AI 生成之外的记忆、调研、协作与改稿痛点：可建立个人记忆库、主动调研并生成报告、后台巡检画布以保持风格一致，支持评论批注与版本回溯，并能将经验封装为可复用的 Skill。“设计委托”功能可自动执行监控、灵感收集等重复任务，并设有积分上限，从而减少设计师的重复劳动，让其专注于创作。

Stripe调查200名欧美SaaS平台负责人发现，AI降低软件开发门槛、加剧竞争，57%担忧客户被AI对手抢走。平台正从四方面应对：内部用AI提效并推出AI功能；在订阅制外测试按用量和结果收费，席位定价占比将下降；横向与纵向平台收入模式分化；嵌入式金融成为留存关键，60%视其为重要或核心策略。

Rust核心设计者Niko Matsakis认为，在AI Agent时代，Rust因其性能默认值和类型护栏而受青睐。他提出“软件工厂”三支柱：设计、构造、优化，Rust在后两者占优，设计仍是开放问题。测试和类型系统都不足以证明程序正确，需引入Verus、Kani等证明系统。反直觉的是，护栏越强，Agent优化越激进，性能反而更好。他提出北极星目标：不再有unsafe代码，并预测未来人类负责设计、Agent负责写代码，设计语言将成为新战场。

澳门电讯在Network X大会上介绍了安全目标网，推动网络向智能、确定、安全方向演进。通过AGW与AI BNG实现业务智能感知调度，AGW 2.0结合Telemetry与AI分析实现自动调优。同时与华为打造融合量子密钥分发（QKD）与通信服务的IP目标架构，推进量子安全验证，为关键行业数据传输提供新的安全能力。

陶哲轩介绍西蒙斯基金会新发布的新闻稿，呼吁围绕“AI时代的数学”举办研讨会及开展相关倡议。

微软与英伟达发布RTX Spark平台及Surface Laptop Ultra，搭载20核CPU、Blackwell GPU和最高128GB统一内存，AI算力达1 PFLOPS。实测可本地流畅运行大模型、虚幻5工程和3A游戏，起售价21988元，顶配48388元。该平台被视为Windows on Arm生态的关键突破，面向专业开发者，象征意义大于大众消费。

交大安泰MBA发布“智能时代五链人才”培养体系，推动AI时代商科教育改革，强调人仍是决策与责任主体。学院推出百业千企10×100 AI场景共创计划，拟十年打造千项企业实景课题，设置AI4O、FDE、OPC三类实战能力，学制改为两年，强化产业实践与跨界整合。

苹果收盘市值首次突破5万亿美元，成为全球第二家达到这一市值的公司，当天科技股普跌，苹果逆势上涨。爆料称国行Apple Intelligence将于12月随iOS 27.3上线，但首批仅含Genmoji、通知摘要、写作工具和照片消除等两年前的基础功能，新版Siri AI缺席。苹果与阿里、百度合作推进本地化。

AI时代管理并未消亡，反而更重要。协作需求上升但意愿下降，AI增加代码提交量却拖慢评审。应对措施包括：明确协作SLA、以业务成果衡量ROI、提高绩效标准、只批评产出而非是否使用AI。管理本质未变，但缺失的代价更大更快。

工程师 Cindy Sridharan 用 Claude 修复三个生产 Bug 后总结：AI 的根因分析往往条理清晰却结论错误，原因在于人类对 AI 生成代码的理解不足。核心方法是先让 Agent 采集客观事实，再推导假设，把调试转化为约束满足问题——用对照寻找强信号，用全部事实验证假设，矛盾即剔除。读代码应是最后一步。复现与对抗评审只是排除手段，需附证据。人工干预次数是衡量 Agent 原生基础设施成熟度的最诚实指标。