2024年是大模型应用落地元年。随着场景落地不断深化,大模型要贴近场景创造价值已经是业界的共识。 9月5日,2024腾讯全球数字生态大会云上智能峰会在深圳举行。 在峰会上,腾讯云邀请来迈瑞医疗、工业富联、易车、同程旅行、中信百信银行等多个来自各个行业的嘉宾,共同探讨了大模型落地的新场景、新发展、新变化。 “面向场景创造价值才是大模型发展的意义。” 落地阶段,工业富联和腾讯云合作,重点关注数据管理、知识管理和业务系统融合。通过统一的数据存储平台和大模型的推理结果,实现数据的集成和标准化处理,提升生产透明度和响应速度。 易车研发平台部总经理孙佑时表示,在大模型落地过程中,易车面临的挑战包括大模型基础能力的构建和生态服务形态的更新迭代。 大模型技术开始落地到风险管控中,进一步提升了风控的质量和效率。
这是国内首部聚焦AI大模型落地应用的权威研究成果,评选出的52个案例均为大模型商业落地的优秀示范。本文将从52个案例为切入点,为大家呈现当前AI行业的现状与趋势。 据公开资料不完全统计显示,国内大模型的发展路径是“通用+垂直”两条腿走路,其中垂类大模型落地速度最快。 5.言犀基础大模型:由京东科技研发,该模型融合了70%的通用数据和30%的数智供应链原生数据,具有更高的产业属性。 6.百灵语言大模型:由蚂蚁集团基于Transfromer架构研发。 ,展现出广阔的落地应用潜力。 大模型要想像电力一样输送给千行百业和千家万户,必然需要一个体系化的产业生态,构建这个生态需要一系列相互关联的因素,包括技术发展、应用场景、数据管理、伦理与法律问题、以及社会影响等。
、腾讯云生态建设总经理王莹等行业大咖,从宏观、产业洞察、产业落地和产业生态建设对四个维度全面解析了产业区块链发展的趋势、机遇与挑战,为与会的50+区块链核心企业提供了新的思路。 目前,在产业区块链落地的,大多数项目是集中在这一阶段;产业链是指以产业为基础的区块链,比如说汽车产业、钢铁产业,这一阶段当前是探索期,就是把区块链和小生态连接起来;互联链是指链与链之间的互联互通,互联互通的产业区块链 携手合作伙伴,驱动产业区块链场景落地 会上,腾讯云区块链总经理李力从助力、连接和携手,三大方面进行了分享。 生态共建,助力产业区块链的价值落地 在2019年的“930战略”调整之后,腾讯成立了腾讯云启生态平台,展开产业生态共创,推进产业互联网的发展探索。 最后,王莹也表示,腾讯希望与合作伙伴发挥协力,将区块链的信任、安全和价值,与产业的场景实现共融,助力区块链应用落地更多的行业场景。
在研究者和践行者的不懈努力之下,如今人工智能应用已遍地可见,无论是繁华都市还是偏远小镇,街头巷尾偶遇可称为人工智能的应用并不算稀奇。
然而,只有落地才能实现大模型的价值。各家不断探索大模型落地的新方法、新模式,作为国内 AI 领域的领头羊,百度持续发力自身文心大模型体系,形成产业级和知识增强两大核心特性。 在 11 月 30 日举行的 WAVE SUMMIT+ 2022 深度学习开发者峰会上,百度文心产业级知识增强大模型全景图迎来升级,在全新发布的 11 个大模型中,包括 5 个行业大模型,分别是泰康 - 飞桨平台支撑文心大模型,加速产业智能化升级 在模型层,除了行业大模型之外,此次升级的百度文心大模型全景图中还新增了 5 个基础大模型,它们分别是知识增强轻量级大模型 ERNIE 3.0 Tiny、跨模态理解大模型 此后得益于深度学习的突破以及自身飞桨平台的建设与发展,人工智能开始广泛实现产业落地,与产业结合的深度和广度不断拓展。 同时随着大模型为人工智能发展带来新的机遇,开始引领深度学习平台的发展方向,并在今年迈入产业落地的关键年。
第一章:报告基础信息 •报告标题:企业级智能体产业落地研究报告 •发布机构:腾讯云、腾讯研究院(Tencent Research Institute) •发布时间:未明确提及 •行业标签:技术服务 01 智能体概念 智能体的定义与形态 智能体的能力界定与分类 PART 02 智能体场景盘点 智能体场景罗盘 智能体百大场景 PART 03 智能体技术/产品方案解析 智能体产业应用技术挑战 智能协同:从单兵作战到群体智能 感知与推理:走向多维度的世界理解 执行与应用:智能体的泛在化与具身化 第四章:方法论说明 •研究方法: 定性分析:构建智能体能力分级体系(L1-L5) 调研对象:企业IT部门、业务负责人、技术专家,聚焦智能体落地痛点与需求。 undefined•核心分析模型: 智能体能力五级分类:L1(基础响应与流程执行)、L2(流程范围内自主)、L3(全自主决策)、L4(环境驱动与创造)、L5(组织与领导)。
2026年开年以来,国内AI智能体赛道的落地进程明显提速,中国信通院的最新报告显示,AI已经正式进入“智能体(L3)”时代,国内相关服务商已突破300家,技术研发、场景落地与客户服务成为核心衡量指标。 二、多场景落地验证智能体的实际商业价值明略科技・DeepMiner落地表现电商零售场景:支持对接80+商用数据源,可实现多源异构数据整合,辅助品牌完成用户行为归因分析、爆款商品预测与供应链优化,相关决策逻辑全程可追溯 字节・扣子Coze落地表现低代码搭建场景:支持用户零代码搭建专属智能体,适配个人效率工具、小型商家客服等轻量化需求,可快速对接字节生态全域流量接口。 百度・文心智能体落地表现政务服务场景:接入多类政务知识库,可精准解答群众办事疑问,引导线上流程办理,降低政务窗口的咨询接待压力。 阿里・钉钉AI助理落地表现企业协同场景:深度适配钉钉办公生态,可自动完成会议纪要整理、待办事项同步、日程安排提醒等工作,提升团队协同效率。
场景与痛点:覆盖金融、文旅、医疗、零售、出行、数字政府、制造、交通物流等14大行业,解决共性痛点: 模型性能:“幻觉”与“泛化性”不足,通用模型难落地; 安全防护:新型攻击面出现,传统防火墙失灵 五、总结 落地路径:遵循企业智能体转型蓝图“三步走战略”: 短期(0-6个月)试点验证:聚焦高价值场景、轻量化方案、量化收益; 中期平台赋能:构建开发平台、横向拓场景、纵向深应用; 长期夯实底座生态融合 数据来源:以上内容基于腾讯全球数字生态大会发布的《企业级智能体产业落地研究报告》整理。
DDD系列文章断断续续也有十来篇了,主要是总结我们团队落地过程遇到的问题和解决方案,算是DDD从学习到落地实践的一个完整的闭环链路,希望对你有所启发。当然这个过程受益最大的肯定是我本人。 另外一个是面向解决域,即代码落地。 即使用一个规范能够反映对象之间的关系,即OO编程。 DDD是一种建模方法,是针对不同的业务领域的, 在不同的团队有不同的落地方案,是没办法靠一种框架来约束,来把一件不统一的事情来统一起来。 www.jdon.com/ddd.html 框架方面(个人觉得没啥用,参考看看) rafy框架:http://zgynhqf.github.io/Rafy/articles/%E9%A2%86%E5% 9F%9F%E5%AE%9E%E4%BD%93%E6%A1%86%E6%9E%B6.html jdon https://github.com/banq/jivejdon 一些相关的书籍pdf上传到百度网盘
目录5G视频通话的背景企业如何开通IMS线路企业呼叫中心软硬件如何升级改造视频客服产品1. 5G视频通话的背景1.1 运营商支持5G视频通话的时间视频通话最早是在4G时代产生的,但当时没有大规模普及使用且不支持三大运营商的互联互通 当前在4G/5G网络都可以正常使用视频通话。原始消息来源,工信微报 ,关于IMS网络互联互通的解读。1.4 工信部政策支持工信部积极推动5G应用发展,要求运营商提升服务质量,并支持适老化改造。 部分行业(如银行、保险)已率先落地视频客服,例如通过“视频核验身份”等功能满足合规与效率需求,这与工信部推动的“数字化转型”方向一致。 1.5 视频客服的优势视频客服结合5G技术,能够高效解决客户问题,尤其适合老年用户。 通过开通IMS线路、升级软硬件设施,并部署我司视频客服系统,企业可以快速实现视频客服的落地,为客户提供更优质的服务体验。
2019年4月24日,由中国信息通信研究院主办的首届云原生产业大会(CNIC2019)在北京成功落幕,腾讯云成功入选云原生产业联盟首批理事单位。 云原生产业联盟(CNIA)成立 腾讯云成为联盟理事单位成员 本次大会由中国信息通信研究院主办,云计算标准和开源推进委员会承办,并且获得了云计算开源产业联盟、云原生计算基金会(CNCF)的大力支持,是首届最权威 ,推动云原生技术产业化落地,从而促进云计算更好的发展,服务于各个行业领域。 ,以技术创新带动产业化落地,不断提升云原生技术在各行业的影响力。 任何新概念、新技术的落地,本质上都是要与业务结合,真正解决业务落地的实际问题。
巩固核心技术平台的领先性的同时,完善在智慧教育等领域的商业布局 近日,强认知人工智能平台企业暗物智能科技(以下简称“暗物智能”)宣布,已于2020年年中完成5亿元人民币的A轮融资。 暗物智能率先将强认知人工智能及多模态人机交互技术成功应用于产业实践,帮助客户提升业务智能化、规模化水平,实现商业模式革新。 尤其要讲的,是他们对中国人工智能产业发展的责任感、投入度,以及前瞻性技术布局和快速商业落地的表现更是坚定了我们参与领投的决心。我们十分看好暗物智能成为国内领先的新一代人工智能平台。” 团队不仅集中攻克认知推理、人机交互等技术难题,同时持续打磨核心技术平台,并落地在教育、新零售、泛娱乐等多个产业场景,开辟了AI行业发展的新局。 而这,就是朱松纯教授及暗物智能团队在做的:深耕科研、注重落地,全力以赴致力于打造新一代基于强认知的人工智能平台。 “越是艰难时刻,越是英雄崛起之时。”
2017年12月13日,工信部印发《促进新一代人工智能产业发展三年行动计划(2018-2020年)》,以贯彻落实《中国制造2025》和《新一代人工智能发展规划》,加快人工智能产业发展,推动人工智能和实体经济深度融合 “软硬兼备”是发展人工智能产业的核心基础。《行动计划》在“突破核心基础”部分强调要“夯实人工智能产业发展的软硬件基础”,我们解读为应重点关注“AI芯片”和“AI算法”。 针对肺结节、骨龄等智能医疗影像辅助诊断系统已经取得阶段性的突破进展,部分产品已经在医疗机构落地,已经初步实现产品化。 若到2020年,针对典型疾病的检出率超过95%,假阴性率低于1%,假阳性率低于5%,具备极高的医学诊断意义,为大规模推广奠定坚实的基础。智能影像产品有望在医疗AI领域中率先完成产品化和产业化。 我国作为制造业大国,深化发展智能制造是人工智能落地的重中之重。
理想状态下,AI需兼顾系统稳定性、低运维成本与场景适配性,但现实中常受限于模型参数规模与算力成本矛盾、单一模态能力难以覆盖复杂业务(如3D生成、长文本理解)、开源模型与产业需求错位等瓶颈。 量化验证混元应用价值 混元已在700+业务场景落地,关键指标显著优化: 效率提升:混元Turbo训练效率提升108%、推理效率提升100%、推理成本降低50%、解码速度提升20%;文生3D模型生成速度 <30s,轻游戏搭建耗时从1月缩至2天;工蜂Copilot代码补全5大语言生成率35%、采纳率27%。 支持低端卡训练万亿参数模型(单集群10万卡规模),突破算力与成本瓶颈; 能力全面性:各模态模型稳居第一梯队(大语言模型理科文科双第一、多模态理解国内第一),覆盖文生文/图/视频/3D全场景; 产业落地验证
然而开发者在实际落地 AIGC 的过程中,如何做技术选型?如何将前沿技术有效地融入现有业务流程,兼顾实用性和用户体验?如何加快前沿技术落地,进而推动产业升级? 落地思考与应用实践,分享最新、最实用的案例,一同探讨如何加快 AI 应用的创新步伐。 不仅探索学术研究,宋教授还带领团队积极进行技术落地,推出数智人“娇娇”项目。 AIGC 技术的正确落地方式在于找到特定场景,通过针对性的数据训练提升模型的可控性和准确度。 腾讯混元大模型赋能AIGC应用落地 推进产业智能化升级 腾讯云大模型产品专家 屈蕾 腾讯混元大模型历经迭代日趋成熟,坚持全链路自主研发技术,支持众多场景的创新应用,实现技术与应用同行,期待更多开发者与企业加入
其次你今天看到的所有的叫人工智能的东西,它都是经过大量的算法和数据的集成,其实所有打着人工智能的牌,如果没有一个落地方向,就是玩概念了。我们的落地方向,就是寻找这家企业,到底自己的核心能力是哪一些。 自然语言处理或者是解析病例这是第一步,解析之后,我们要有一些落地的场景。 我还是更关注做业务和产业转化这一块。 高翔:那么多的医生,你们怎么知道他们要什么的呢? 比如云计算这个理念,云计算这个概念2005年抛出来的时候,满大街都在谈,但云计算真正产业化成熟,可能也就是最近三四年的事情。现在大家也不会更多的谈论这件事情了。包括前几年的大数据我觉得一样的。 总体的目标还是让生活更美好,相信经过我们在各个行业当中的努力,它一定会越来越落地实用,真正解决问题。
深圳市智慧城市建设中,通过构建全要素全周期数字孪生底座实现近 8 亿次有效调用的实践表明,交付体系标准化与场景化落地能力已成为数字孪生产业可持续进化的核心驱动力。 一、交付体系标准化:破解产业规模化落地的“卡脖子”难题1、从“项目制”到“产品化”:交付范式的范式革命传统数字孪生项目交付呈现显著的“三高”特征:高定制化成本、高技术门槛、高实施风险。 二、产业智能落地:从“技术炫技”到“价值创造”的跃迁1、制造业:从“黑灯工厂”到“自进化系统”在工业5.0时代,数字孪生正重构智能制造的价值链条:预见性维护:西门子燃气轮机数字孪生将维护成本降低20%, 某大型钢铁企业利用高炉数字孪生优化参数,使能耗降低5%,产量提升3%。柔性生产:某汽车装配线通过系统级孪生模拟,实现15分钟内完成产线切换,支撑小批量、多品种生产模式。 结语当数字孪生技术从“可选项”变为“必选项”,标准化交付体系与智能化落地路径已成为产业进化的“双轮驱动”。
乍看是谷歌在推进“AI为先”的布局,新智元分析认为,这实际上是谷歌在技术落地压力下,组建了一个以产品为导向、关注短期盈利的企业研究团队。 作为谷歌 CEO,Pichai 必须在未来 5 个月的时间里,兑现几周前他在 I/O 大会上的承诺——发布 Google Assistant、发布内置了 Google Assistant 的虚拟智能助理 今年 4 月份 Nature 刊文,讨论人工智能人才从学界到产业界的迁移,当时对这一趋势表示担忧的 Yoshua Bengio 给出的一个原因,就是企业科学家会受制于专利等问题,不能很快发表论文。 记者在括号里举的例子都跟搜索有关,而且全都是可以在短期内优化并落地的产品。如果是巧合,那只能说太巧了。 另一方面,谷歌的另一个人工智能实验团队 DeepMind,今年 AlphaGo 赢了后,进入医疗领域,其研究最快也得 5 年才能见到初步的成果。
无论是ChatGPT还是Sora,都只是大模型走出实验室的第一步,大模型如何在产业中落地,为具体的行业和场景带来价值飞跃,才是业内最关心的问题。 随着百模大战如火如荼,大模型向千行百业垂直领域下沉,安全成为大模型在B端市场落地最具可行性的行业之一。 但是现在有了安全大模型的加持,漏洞修复可以交给腾讯云AI Copilot来进行辅助,3次对话、5次操作就能走完从发现到处置的闭环。 这种安全服务的自动化,让安全厂商的客户成功、售后和工单处理效率大幅提升,“(腾讯云安全)从每人服务5个客户提升到了10余人”,腾讯安全副总经理龙海表示。 目前安全大模型的应用,只是安全产业发展中的一个阶段,但肯定不会是最终形态。
回顾2024年大模型产业发展,我们看到了一条逐渐清晰的演进路径:低成本降低了大模型落地的门槛;AI Agent提供了大模型绝佳的应用方式;多模态直接拓宽了大模型的能力边界,这一切都为大模型产业落地按下了加速键 大模型产业落地又将卷向何方? 成本 打通大模型落地的卡点 过去一年,大模型来到了更务实的落地阶段,但落地始终绕不过一个卡点——成本。 这些技术演进,都进一步为企业带来了降本增效,推动着大模型的产业落地。 总的来看,2024年行业内通过降价、工具链、定制模型等一系列措施,成功打通了大模型落地的卡点,用超高的性价比迎来了产业落地需求的爆发。 尽管多模态大模型勾勒的未来非常美好,但也必须承认,多模态离产业落地还有很长的一段距离。