tag 人工智能

標籤
貢獻960
1592
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 rtedevcomm 頭像 xingxingshangdeliushu 頭像 tecdat 頭像 chaoshenjinghyperai 頭像 u_15591470 頭像 u_17579295 頭像 u_17512334 頭像 lab4ai 頭像

@人工智能 / 博客 RSS 訂閱

jiang_5f3236dd7afd1 頭像

Serverless - 吉利汽車攜手阿里雲函數計算，打造新一代 AI 座艙推理引擎

作者：蔣忠林，趙劍，謝東；洛浩、周華生 吉利汽車，是中國知名的自主汽車品牌，近年來通過技術創新和產品升級，在國內外市場取得了顯著成績。隨着 AI 浪潮的發展，吉利汽車也在不斷加強智能化的建設，尤其在新一代 AI 座艙的建設上，成為汽車主機廠的核心競爭力之一。當前吉利汽車研究院人工智能團隊承擔了吉利汽車座艙 AI 智能化的方案建設，在和阿里雲的合作中，基於星睿智算中心2.0的23.5EFLOPS強大

阿里雲 , 人工智能 , 雲原生 , serverless

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 鐵路車號識別裝置：賦能鐵路貨運智能化的核心

在現代化鐵路貨運管理中，效率與準確性是衡量運營水平的關鍵尺度。傳統依賴人工抄錄車號的方式，不僅效率低下、成本高昂，更因人為因素導致數據不準，已成為制約礦區、編組站、貨運站等場景智能化升級的瓶頸。鐵路車號識別裝置，正是為解決這一核心痛點而生的智能化解決方案。 什麼是鐵路車號識別裝置？ 鐵路車號識別裝置是一套基於前沿人工智能深度學習技術的自動化識別系統。它通過高清圖像捕捉與智能分析，對貨運

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

grapecity 頭像

葡萄城技術團隊 - 面向智能體與大語言模型的 AI 基礎設施：選項、工具與優化

面向智能體與大語言模型的 AI 基礎設施：選項、工具與優化 本文探討了用於部署和優化 AI 智能體（AI Agents）與大型語言模型（LLMs）的各類基礎設施選項及工具。 無論採用雲、本地還是混合雲部署，基礎設施在 AI 架構落地過程中都起着關鍵作用。本文是 AI 基礎設施系列文章的一部分，聚焦於部署和優化 AI 智能體與大語言模型的多樣化基礎設施選擇，深入剖析了基礎設施在 AI 架構（尤其是推

人工智能

收藏 評論

grapecity 頭像

葡萄城技術團隊 - AI 基礎設施指南：工具、框架與架構流程

AI 基礎設施指南：工具、框架與架構流程 本文涵蓋 AI 基礎設施的方方面面，從硬件加速、模型服務到監控與安全，提供了經過生產環境驗證的工具、模式及策略。 構建穩健的 AI 基礎設施，需要理解跨多個技術層級的理論基礎與實際實現細節。本綜合指南為各類規模 AI 系統的架構設計、部署及管理提供了權威參考——無論是實驗性原型，還是服務數百萬用户的企業級生產部署均可適用。 現代 AI 應用對基礎設施提出了

人工智能

收藏 評論

gmicloud 頭像

GMICloud - 博主體驗 GMI Cloud Inference Engine | 從 Token 調用到專用部署，我的 AI 開發實錄

摘要 GMI Cloud Inference Engine 最近密集上線眾多模型，吸引了眾多科技博主體驗，感謝大家的支持。 下文為 ID 為“知識淺談”的體驗實錄，全文為博主自述。 當前，大模型技術發展如火如荼，相信不少小夥伴和我一樣，接到了“將智能對話功能集成到公司現有應用中”的任務。 我們公司內部也提出了兩種方案：一種是自行採購 GPU 服務器，部署開源大模型；另一種是直接接入多家大模型提供的

教程 , 人工智能

收藏 評論

yufan_645f1d6e3f1d1 頭像

俞凡 - 10 分鐘搞定神經網絡

本文簡單介紹了神經網絡的基本原理、組成和基礎算法，並通過示例介紹了最簡單的神經網絡是如何工作的。原文：Learn How Neural Networks Work 神經網絡是人工智能中最重要的組成部分之一，若沒有神經網絡，像 ChatGPT 這樣的大語言模型就不會存在。實際上，幾乎所有深度學習模型都在某種程度上使用了神經網絡。 這就是為什麼瞭解神經網絡的工作原理如此重要。所以，讓我們重温一

人工智能

收藏 評論

definecloud 頭像

得帆雲 - 權威媒體：得帆信息連續兩年領跑iPaaS市佔率

近日，新浪新聞發佈報道《iPaaS市場報告解讀：獨立廠商與雲巨頭“雙軌競速”》，引用了國際數據公司（IDC）最新發布的《中國企業集成平台（iPaaS）市場份額，2024：擁抱Agentic AI時代》報告。報道指出，中國iPaaS市場正在進入“智能化集成”階段，雲廠商與獨立廠商正形成“雙軌競速”的格局。作為重點提及的iPaaS廠商代表，得帆信息連續兩年佔據領先位置。 🔗 報道鏈接：

ipaas , 人工智能

收藏 評論

bizidadejianbing 頭像

DashVector - 如何通過Python SDK在Collection中分組檢索Doc

本文介紹如何通過Python SDK在Collection中按分組進行相似性檢索。 前提條件 已創建Cluster 已獲得API-KEY 已安裝最新版SDK 接口定義 Python示例： Collection.query_group_by( self, vector: Optional[Union[List[Union[int, float]], np.n

ai開發 , 數據庫 , 人工智能

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 合合信息與上海交通大學開展課題合作研究，共探智能文檔圖像處理前沿技術

計算機視覺技術作為AI的“眼睛”，是當前人工智能領域的重要研究方向。近期，計算機視覺領域三大頂級學術會議之一的國際計算機視覺大會（ICCV 2025）順利舉行。會議期間，合合信息聯合上海交通大學等機構主辦了首屆VQualA視覺質量評估研討會，同時，為了推動建立智能文檔圖像處理技術的標準化評估體系，研討會設置了文檔圖像質量評估競賽，競賽吸引了來自全球知名高校和研究機構的上百名選手參與。 文檔圖像質量

大數據 , 算法 , 人工智能

收藏 評論

openpie 頭像

OpenPie - 蕭山合夥人論壇第二期：杭州AI十八羅漢拓數派引領“Data+AI”全球賽道，共建智能體AI產業生態

在知名的10月24日程序員節➊，總部位於蕭山的杭州“AI十八羅漢”拓數派，在杭州灣信息港成功舉辦「 “Data+AI”生態論壇暨第二期“蕭山合夥人”」活動。本次論壇匯聚政府、產業、學術、研究、應用等多方代表，圍繞“Data+AI”展開深度對話，共探智能體AI技術的落地路徑方向與生態共建，以可信數據和智能體AI賦能百業。 當大模型落地產業，走完“人工智能+”的最後一公里，需要和產業私域數據深度融合

人工智能

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI 得賢招聘官重塑招聘效率

AI 得賢招聘官重塑招聘效率 “每天刷 300 份簡歷眼痠、被候選人追問到手機震、熬夜寫 JD 掉頭髮”，若這是你的日常，你就是被招聘 “綁架” 的 HR。如今 “全行業內卷”，企業招聘不能再靠 “人海戰術”，而招聘 “入口環節” 正是效率關鍵 ——AI 得賢招聘官的出現，為改寫這一現狀提供了可能。 AI 得賢招聘官：解決傳統招聘痛點的核心選擇 近嶼智能研發的AI 得賢招聘官・第六代

人工智能

收藏 評論

aitinggedejinzhengu 頭像

愛聽歌的金針菇 - AI智能賦能商機管理：珍客CRM重構商機管理，讓銷售決策“智慧化”落地

在商機管理的全流程中，AI技術的深度滲透正將傳統“經驗驅動”的銷售模式，升級為“數據+算法雙輪驅動”的智能體系。珍客CRM的AI智能賦能中心，圍繞“商機資料、銷售SOP、關鍵聯繫人、團隊協作、競對分析、商機健康度”六大維度，構建起商機管理的“智慧大腦”，讓每個環節的決策更精準、效率更突出、成單更可控。 一、AI驅動商機資料管理：從“人工錄入”到“智能生長” 商機資料的完整性與時效性是決策的基礎，A

ai開發 , crm系統 , 人工智能 , 銷售管理 , crm

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 高效掌握 RTL 合成，助力 IC 設計提速

在現代IC 設計流程中，RTL 合成扮演着至關重要的橋樑角色：將程序員或設計者編寫的RTL 描述（多用Verilog/VHDL 編寫）轉化為符合工藝庫的門級netlist，從而實現後續的物理實現和驗證。 1、RTL 合成關鍵流程解析 合成階段 説明 Technology Mapping（技術映射） 選擇目標工藝庫中的標準單元（如與門、觸發器、多路選擇器等）來實現RTL 中

觀點 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - Python企業投標策略優化研究:Monte Carlo、貝葉斯決策、遺傳算法、層次分析法AHP動態評分系統構建應用

全文鏈接：https://tecdat.cn/?p=44146 原文出處：拓端數據部落公眾號 分析師：Dandan Cao 在市場經濟中，招投標是企業獲取項目資源的核心環節，但傳統投標決策常受限於主觀經驗——要麼依賴專家評分導致公平性存疑，要麼因缺乏量化工具難以平衡風險與收益。作為數據科學家，我們團隊在服務某建築集團投標優化諮詢項目時發現，僅靠人工分析的投標方案，中標率比行業均值低1

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - 智能體最佳實踐方法論（三）：集成

在“評估-實施-集成-監控”的智能體最佳實踐方法論中，“集成”階段屬於最佳實踐方法論的第三步，是承上啓下的關鍵一躍——它將實施階段的智能體從“單點工具”升級為“融入企業業務生態的有機組件”，是智能體從“能運行”到“能創造持續價值”的核心保障。對企業而言，集成的質量直接決定了智能體能否真正嵌入業務流程、與現有系統協同作戰，進而實現降本增效的規模化價值。 數據是智能體的“養分”

資訊 , 機器人 , 自然語言處理 , 人工智能

收藏 評論

deephub 頭像

deephub - Pandas 缺失值最佳實踐：用 pd.NA 解決缺失值的老大難問題

做數據處理的都知道，一個 NaN 就能讓整個數據清洗流程崩盤。過濾條件失效、join 結果錯亂、列類型莫名其妙變成 object——這些坑踩過的人應該都有所體會。而Pandas 引入的可空數據類型（nullable dtypes）就是來幫我們填這個坑的。 現在整數列終於能表示缺失了，布爾列不會再退化成 object，字符串列的行為也更可控，這樣我們代碼的邏輯可以變得更清晰。 NumPy 整數類型

機器學習 , numpy , 人工智能 , pandas , Python

收藏 評論

nianqingyouweidenangua 頭像

迅易科技 - 從“模糊經驗”到“精準決策”，國內項目型服務企業的AI預測實踐

“預測做不準，還不如不做。”這是我們在服務客户的時候聽過最多，也最令人無奈的現實。 在當今競爭激烈的商業環境中，精準的銷售收入預測對於企業制定戰略規劃、合理配置資源以及有效控制風險起着關鍵作用。然而，對於項目制服務企業而言，實現這一目標卻面臨着諸多挑戰。 以一家提供專業諮詢方案的項目制服務企業為例，銷售人員每天都會接觸到大量的銷售線索，但這些線索的質量參差不齊，如何從這些繁雜的線索中篩選出有價值的

bi , 算法 , 人工智能 , 大模型 , Python

收藏 評論

jizaodebangbangtang 頭像

文心快碼 - 冰城碼力全開，共赴AI Coding英雄之旅！CEDxCNCC百度文心快碼Meetup圓滿落幕！

10月24日工程師文化日，CEDxCNCC百度文心快碼「創意探索Meetup」在哈爾濱圓滿落幕。作為2025CNCC中國計算機大會的分論壇之一，本次活動以“代碼·創意·未來”為主題，匯聚了數百位開發者與AI愛好者，共同開啓了一場“用代碼表達想象力”的AI Coding 英雄之旅，共同探索AI賦能下的全新編程範式。通過百度文心快碼團隊高級經理彭雲鵬和架構師徐曉強幹貨滿滿的分享，現場開發者們近距離體驗

觀點 , 資訊 , 人工智能 , 程序員 , 前端

收藏 評論

matrixorigin 頭像

MatrixOrigin - 企業落地 NL2SQL，需要的是 AI-ready data 和小模型

作者 | 矩陣起源 轉載自 | InfoQ 當 NL2SQL 從 Demo 走向生產，關鍵不在"更大的模型"，而是"更乾淨的數據底座 + 更小的專用模型 + 更可控的工程化流程"。 摘要 先數據、後模型：把元數據、業務語義、權限、樣例 SQL 做成"AI-ready data"，是 NL2SQL 能否可靠落地的第一性問題。 小模型足夠用：以 3B-7B 級別的代碼/SQL 友好模型，配合 LoR

數據庫 , 人工智能 , SQL

收藏 評論

matrixorigin 頭像

MatrixOrigin - 第五屆 HiPM 產品創新力峯會｜矩陣起源帶您深度解析企業級 Agent 實踐

10月17日-18日，第五屆 HiPM 產品創新力峯會在深圳成功舉辦。本次峯會匯聚了眾多國內頂尖的科技企業與行業專家，共同探討 AI Agent 在多模態、產品化落地等領域的最新趨勢與實踐。矩陣起源作為企業級 AI Agent 解決方案的先行者，受邀出席本次盛會。矩陣起源資深產品專家魏旭東發表了題為《構建值得信賴的企業級 Agent 解決方案》的主題演講，分享了矩陣起源在一線業務場景中的深

數據挖掘 , 數據庫 , 人工智能

收藏 評論

facaidexiaogou_luapn 頭像

發財的小狗_lUapn - 國內開發者迎來Sora2接入新方案：聚合API平台以“失敗退款”機制降低AI視頻應用門檻

近日，隨着OpenAI正式開放下一代AI視頻生成模型Sora2的API接口，全球開發者社區反響熱烈。然而，其高昂的官方調用成本與嚴格的訪問限制，讓眾多國內開發者和中小企業望而卻步。在此背景下，提供API聚合與中轉服務的國內平台正成為破局的關鍵，其中，以“失敗退款”作為核心保障的速創API等服務模式，因其獨特的風險控制機制受到市場關注。 一、 官方API成本高昂，中小企業應用承壓 根據OpenAI官

視頻製作 , API , 人工智能

收藏 評論

smartbidashuju 頭像

Smartbi - 當 “頂級謀士” 住進系統：專家智能體，為你的決策破局開路

此前，我們介紹過分析智能體，它可是超靠譜的 “專屬數據夥伴”，擅長基於明確指令進行數據分析和可視化展現。 但實際中，用户提問常不明確，問句發散又靈活，沒法提前窮舉。就像有人問 “上半年經營情況怎麼樣”，沒説清看營收還是利潤、要分區域還是分產品線，而這樣的問題太常見了。 再者，像銷量下降、客户流失這樣的難題，用户可不是隻想拿到冰冷數據，他們要的是問題根源、解決策略。 這時，就需要我們另外一個數字夥伴

agent , bi , 人工智能 , 數據分析

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025中國汽車行業Data+AI數智化轉型與全球化白皮書|附340+份報告PDF、數據儀表盤彙總下載

原文鏈接：https://tecdat.cn/?p=44154 原文出處：拓端抖音號@拓端tecdat 2025年中國汽車行業正處於“技術攻堅+成本承壓+全球化擴張”的關鍵期，從車端安全到供應鏈成本，從核心技術到研發模式，從後市場效率到海外佈局，每個環節都面臨“破局”需求。安全芯片作為車聯網安全的核心，需適配多場景需求；關税擾動推高進口成本，企業亟需本地化降本；液冷散熱技術成為高温、振動工

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

starrocks 頭像

StarRocks - StarRocks 4.0：Real-Time Intelligence on Lakehouse

回顧 StarRocks 的進化之路，每一次大版本迭代都緊扣時代對數據分析的核心訴求。 StarRocks 1.x，打造極速查詢性能，解決 BI 報表、數據探尋慢的痛點問題。 StarRocks 2.x，解決‘實時分析’的難題，幫助用户更快的洞察業務。 StarRocks 3.x，升級存算分離架構，打造極速統一的湖倉分析能力，讓數據分析更加的簡單高效。 在新的 AI 時代，模型訓練推理與

人工智能 , starrocks , 數據湖 , Json

收藏 評論