- 综合排序
- 最热优先
- 最新优先
大交通AI决策新引擎：民航商旅数据驱动实践与价值
破解双高速竞合下的民航商旅决策困局 民航与高铁形成全球独有“双高速”竞合模式（数据来源：航班管家），构建立体交通体系的同时，铁路对民航市场冲击显著：2025年暑运西安咸阳出港部分通航点航班降幅达-100% 核心痛点为数据孤岛阻碍全景洞察，企业决策依赖经验而非数据驱动（王磊，航班管家数据商业部总经理）。 构建大交通AI决策引擎：融合多源数据打破孤岛 携手腾讯地图，以智能引擎为枢纽，融合航班管家数据（航班运行、经营、城市天气、人口迁移、出行方式、常居地、高铁/火车运行及票价、航空器数据）与腾讯地图位置大数据 技术引擎：预测需求弹性，构建动态定价模型，实现“客流与需求预测—动态定价—科学选址与星级定位”智能闭环（数据来源：航班管家）。 选择腾讯地图：技术引擎支撑数据洞察 技术领先性：腾讯地图位置大数据联动多维信息，打破数据孤岛，实现大交通全景洞察（数据来源：腾讯地图、航班管家）。
9010编辑于 2026-04-20重构大交通AI决策引擎：基于位置大数据的民航商旅实践洞察
专家信息：航班管家数据商业部总经理 王磊 剖析立体交通格局冲突：客流分化与“旺丁不旺财”双重挑战 在民航与高铁“双高速”竞合模式下，大交通出行领域正面临深度的结构性挑战与收益瓶颈。 企业决策亟需从传统的经验主义向精准的数据洞察转型，当前行业的两大核心痛点日益凸显： 高铁网络虹吸加剧客流分化：高铁网络的贯通对中短途民航市场产生显著冲击。 (数据来源：航班管家、腾讯地图、民航局统计公报) 构建多维全景洞察：基于时空大数据的AI智能决策体系 针对数据孤岛与单一维度的决策盲区，航班管家依托民航空管局旗下民航电信公司授权的独家航班动态数据底座， 携手腾讯地图位置大数据，构建了覆盖航空、铁路、公路的大交通AI决策新引擎： 全景客流归因与需求识别：引入腾讯地图位置大数据，捕捉城市间人口流动的轨迹、强度与周期性规律。 沉淀时空轨迹底座，实现“数据驱动”战略跨越 引入腾讯地图位置大数据，是构建大交通AI引擎的关键变量。
14610编辑于 2026-04-20决策引擎系统的7个级别
然而，在一些结构良好的问题中，计算机可以胜过人类——找到通过交通网络的最短路径就是一个简单的例子。下面我定义了七个层次的智能。级别1包括基于规则的基本逻辑。 第7级是我们达到人类推理、创造力和判断力的最高级形式的地方。现有的“AI”技术都无法达到这个级别，这是有具体技术原因的。 基于规则的逻辑并没有接近满足AI的早期期望，但基于规则的逻辑远非完全失败（正如曾经认为的那样），基于规则的逻辑在整个现代机器智能中得到应用。目前有许多商业“规则引擎”被广泛使用。 当“AI”在2010年代出现用于语音识别、面部识别和图像识别时，这就是“AI”现代使用的基础。 机器学习搜索三种类型的函数（查找表、参数模型和非参数模型），而顺序决策问题搜索四类策略，其中第一类包括可能用于机器学习的任何函数。7级科幻小说我们将7级保留给需要最高智能水平的非结构化问题。
25110编辑于 2025-09-17一文读懂AI引擎与Together规则引擎重塑智能决策
从1950年图灵提出“机器能不能思考”的问题，到2025年大语言模型驱动的AI引擎在企业管理中自主完成商业决策，人工智能从“工具”变成了“智慧体”。 AI引擎的三大能力革命动态规划能力Together规则引擎通过可视化的DRG图和装箱表达式，把“季度营收增长20%”这样的宏观目标转化为可执行的决策模型。 多工具调用能力基于Together标准化的决策服务接口，AI引擎可以在ERP、CRM等系统间建立决策中枢。 Together规则引擎的四大赋能场景场景传统方式痛点Together+AI 引擎解决方案供应链异常处理依赖人工判断响应延迟实时匹配200+预置规则，5秒内生成处置方案财务合规审计规则变更需重新编码业务人员直接维护 未来演进方向混合决策架构大语言模型负责非结构化情境理解，Together引擎处理确定性规则执行，形成“LLM+Together”的双脑决策模式。
68310编辑于 2025-09-05- 来自专栏从救火到防火：大模型赋能云原生安全
第 5 期：AI × 云原生安全：如何用大模型打造企业级“风险决策引擎”
我们要回答一个问题：大模型能否帮助企业建立“智能风险决策引擎”？答案是：不仅能，而且效果惊人。一、为什么要用AI做风险决策？前四期我们讲了资产画像、讲了决策模型、讲了流程。 而这，恰恰是LLM（大语言模型）的强项。为什么风险决策是大模型最适合落地的安全场景？大模型天生适合三件事：模式识别复杂信息归因多维信号融合而风险决策正是：大模型的能力与风险决策天然匹配。 ”未来的云原生安全平台，核心将不再是规则引擎，而是基于LLM的推理引擎。 企业级“风险决策引擎”的整体架构（建议落地）核心能力包括：SBOM+资产画像LLM风险解释多维信号融合器攻击图谱生成AI风险路由（自动给出优先级）治理动作（CI/CDGate+Admission+修复建议 第5期（本期）：展望未来，讲解AI×云原生安全，即如何用大模型打造企业级的“风险决策引擎”，实现智能防火。
20410编辑于 2026-01-01 AI 智能分析决策系统：驱动企业数字化转型的核心引擎
传统依赖经验的管理模式已难以应对现代商业环境的复杂性，而基于机器学习与深度学习技术的 AI 智能分析决策系统，正成为企业突破发展瓶颈、构建竞争优势的关键工具。️ 逐步拓展应用场景保持子系统接口兼容性微服务架构确保系统稳定性全面推广期（5-6 个月）开展员工数字化技能培训培养业务技术复合型人才建立跨部门协作机制 价值创造分析价值维度短期效益长期影响运营成本人力替代效应显现规模效应下边际成本递减决策质量减少人为失误损耗战略前瞻性显著增强创新能力快速试错机会增加商业模式创新可能性打开客户体验服务响应速度提升个性化需求满足深度深化 最佳实践提示避免常见误区避免追求大而全的初期部署重视数据质量而非仅仅数据量平衡技术先进性与实用性的关系持续优化建议建立效果评估与反馈机制保持业务与技术的深度协同培养内部数据分析能力结语AI 智能分析决策系统正成为企业数字化转型的核心驱动力 通过智能化的数据处理、动态化的模型优化和可视化的决策支持，该系统不仅提升了企业的运营效率，更重塑了企业的决策模式和创新路径。 未来已来，智慧决策。那些率先拥抱 AI 智能分析决策系统的企业，将在激烈的市场竞争中赢得先机，开创数据驱动发展的新纪元。
40310编辑于 2025-10-27- 来自专栏云计算D1net
云计算决策指南：解析医疗的7大解决方案
为了帮助你计划，这份云计算买家指南着眼于四大IaaS供应商：亚马逊、微软、谷歌和IBM。 二月的HIMSS17中，谷歌发布了HL7 FHIR的支持，来提高数据互操作标准的发展。 为了延迟，减少谷歌的公共网络利用了超过一百个全球位置接入。 在被审计的标准当中包括了SSAE16/ISAE 3402 Type II、ISO 27001、ISO 27017云安全、ISO 27019云隐私、谷歌应用程序引擎的FedRAMP ATO以及PCDI DSS
1.8K90发布于 2018-03-28 《鸿蒙Next的GPU Turbo：决策树在图形AI领域的加速引擎》
在人工智能与图形处理深度融合的时代，如何提升决策树在图形相关人工智能任务中的处理能力是关键课题。鸿蒙Next的GPU Turbo技术为此带来了强大助力。 提升决策树在图形相关AI任务处理能力的方式- 加速数据预处理：在图形相关的人工智能任务中，决策树模型训练前通常需要对大量图形数据进行预处理，如图像的缩放、裁剪、归一化等。 - 增强模型训练与推理：在决策树的训练过程中，需要进行大量的计算来确定最佳的分裂特征和分裂点。 这使得设备在处理图形相关人工智能任务时，能够保持较低的温度，减少因过热导致的降频现象，从而保证决策树模型能够稳定、高效地运行。 应用案例与展望以智能驾驶场景为例，车辆的摄像头会实时采集大量的道路图像数据，利用鸿蒙Next的GPU Turbo技术，决策树模型可以快速对这些图像进行处理，识别出道路标志、行人、其他车辆等目标，为车辆的行驶决策提供支持
52910编辑于 2025-01-15- 来自专栏联营汇聚
智能交通AI数字人企业排行发布，AI赋能智慧交通中心服务效率提升
在智慧交通展厅，AI数字人可作为讲解员完成接待任务，为参访团提供生动、专业的讲解服务，联动数据大屏全面展示中心架构、交通治理成果，提高参观效率与互动体验。 在指挥中心、运营中心及路网管理中心，AI 数字人能与数据可视化系统、交通大模型、业务系统对接，通过语音指令快速调取路网状态、事故信息等信息，辅助值班人员高效决策。 在交管大厅，AI数字人可承担前台咨询、业务办理指引、交通政策科普等基础服务，实现7×24小时不间断响应，帮助交管部门迅速构建智能咨询窗口，释放人力资源专注于更复杂的服务需求。 依托自研数字人引擎与智能驱动算法，波塔AI数字人可实现接近真人语调自然对话，1.5-2 秒快速响应，语音识别精准度和应答准确率远高于行业平均水平。二是场景适配性强。 未来，交通系统将不仅是物理路网的集合，更是融合感知、决策与服务的智能体。
35610编辑于 2025-11-13 AI 数据分析系统：用智能引擎让数据“会说话、能决策、可行动”
该系统的核心逻辑，构建于“接入—理解—洞察—行动”的智能闭环，深度融合大模型技术与企业业务语境。 系统真正的“智能中枢”，是经过行业知识增强的分析大模型。它不仅懂算法，更懂业务逻辑：知道零售业关注复购率与坪效，制造业紧盯设备停机与良品率，金融业严控逾期与欺诈。 系统 7×24 小时扫描全量业务指标，主动发现隐藏模式与风险信号。 相比人工周报，AI 提前 3–7 天预警异常，准确率达 90% 以上，并附带根因假设与验证路径。三是智能叙事与行动闭环，让洞察“看得懂、落得实”。 某连锁零售企业上线后，业务部门自主分析占比从 15% 提升至 78%，决策响应速度加快 3 倍。AI 数据分析系统，不再是分析师的专属工具，而是贯穿组织的“数据翻译官”与“决策加速器”。
39810编辑于 2025-11-19- 来自专栏量子位
欧盟发布AI产品7大原则
不同于阿西莫夫的“机器人学三定律”，它们的目的并不在于提出一个大的框架来阻止AI变身杀人机器，相反的，它们旨在解决当AI融入了医疗、教育、消费等领域，真正成为人类生活的一部分后，会给社会带来的一些模糊、 他们从专业的角度出发，提出了未来AI系统应该满足的七大原则。 受人类监管 AI不应该践踏人类自治。人类不应该被AI系统操纵或威胁，人类应该能够干预或监督AI的每一项决定。 透明度 用于创建AI系统的数据和算法应该是可访问的，应确保AI决策的可追溯性。换句话说，运营商应该能够解释他们的AI系统是如何做出决策的。 而现在，AI七大原则也由欧盟率先提出，欧委会表示下一步他们还要为以人为本的AI制定国际共识，在G20峰会这样的国际场合探讨此事。 不过对于欧盟提出的这7大原则，也不是人人都买账的。 比如就有网友提出，凭啥AI话语权一定要不如人类，它要是就比人类强呢？ ? 也有人觉得关于透明度的要求不太现实，神经网络本来就是一个黑盒子。
55940发布于 2019-04-22 腾讯混元大模型:引领AI时代的创新引擎
在人工智能快速发展的今天,大语言模型(LLM)正在重塑各行各业的工作方式。作为中国科技巨头,腾讯推出的混元大模型(Tencent Hunyuan)无疑是这一领域的重要玩家。 核心能力:语言创作、逻辑推理与任务执行腾讯混元大模型的三大核心能力使其成为功能全面的AI助手:强大的中文创作能力: 混元模型深谙中文语言的精妙,能够生成流畅自然、富有创意的文本内容。 大模型视频创作引擎: 助力视频内容制作,提升创作效率和质量。应用场景:赋能各行各业腾讯混元大模型的应用范围极其广泛,以下是几个典型场景:企业服务: 智能客服、文档自动生成、数据分析报告等。 AI领域的最新成就。 它不仅是一个强大的技术工具,更是推动各行各业数字化转型的重要引擎。随着技术的不断进步和应用场景的不断拓展,混元必将在未来的AI时代扮演更加重要的角色。
1.2K00编辑于 2024-09-24构建企业级Agentic RAG引擎：基于腾讯云ES驱动大模型走向自主决策
分享专家： 李捷 | Elastic 首席解决方案架构师 直面传统检索与大模型集成的战略困境 当前，企业都在寻找与AI的结合点，但生成式AI（GAI）的应用远非简单的概念验证（PoC）。 融合Elastic与腾讯云重构AI数据基座 为推动大模型从“文本生成（Text Generation）”走向“自主决策（Decision Making）”，企业需要从传统RAG转型为Agentic RAG 兑现大模型落地的量化商业价值 部署具备进阶能力（数据融合、查询与分析、LLM友好、可靠安全）的 Agentic RAG 引擎，直接驱动了企业核心运营指标的改善。 ： 腾讯云ES架构解耦了数据解析与处理链路，底层基础能力（分块、向量化、查询改写、重排）无缝对接腾讯云AI生态（如混元大模型、DeepSeek），支撑从基础搜索到高级RAG的多样化场景。 可观测性与安全护栏： 针对大模型的安全盲区，底层引擎内置了 12个Elastic预构建的K8s检测规则 和 5个预构建的APM安全规则，覆盖 LLM01（提示注入）至 LLM06（敏感信息泄露） 等核心风险
9910编辑于 2026-04-27- 来自专栏AI大模型应用开发炼丹房
解剖vLLM：高吞吐LLM推理引擎的7大核心技术
作为分布式大模型推理引擎，vLLM通过分页注意力、连续批处理等核心技术实现高吞吐与低延迟。今天我将深度解析其架构设计。如果对你有所帮助，记得告诉身边有需要的朋友。 一、核心引擎架构1.1 基础组件KV缓存管理器：采用分页注意力机制（PagedAttention），将KV缓存划分为固定大小块（默认16 tokens/块），通过内存池动态分配： 前缀缓存共享前缀哈希化存储：对16-token完整块计算SHA-256哈希复用机制：后续请求匹配哈希直接调用缓存块2.3 推测解码流程：草稿模型（N-gram/EAGLE/Medusa）生成k候选token大模型并行验证 ：运行DPEngineCoreProc处理计算API服务节点：AsyncLLM封装引擎接口FastAPI提供REST端点DP协调器动态负载均衡请求生命周期：四、性能优化与基准测试 其模块化设计支持从单GPU到多节点集群的灵活部署，为高并发AI服务提供基础架构支撑。
1.4K10编辑于 2025-09-04 - 来自专栏AI大模型应用开发炼丹房
破解大语言模型三大死穴：RAG如何成为AI的实时知识引擎
一、RAG的背景：解决大语言模型的三大核心缺陷大语言模型（如GPT系列）本质上是基于固定训练数据的概率生成器，这导致其在实际应用中存在三个关键矛盾：1、知识的静态性与需求的实时性矛盾：LLM的训练数据有明确截止点 未来，随着向量数据库和嵌入模型的优化，RAG将继续成为企业级AI的核心支柱，其核心逻辑——以检索事实约束生成——将确保AI从演示工具进化为生产力引擎。
70810编辑于 2025-09-05 - 来自专栏GiantPandaCV
星辰AI大模型TeleChat-7B评测
前言 受中电信 AI 科技有限公司的邀请，为他们近期开源的TeleChat-7B大模型做一个评测。 TeleChat-7B是由中电信 AI 科技有限公司发的第一个千亿级别大模型，基于transformer decoder架构和清洗后的1TB高质量数据训练而成，取得了相同参数量级别的SOTA性能，并且将推理代码和清洗后的训练数据都进行了开源 最后，我们可以从TeleChat-7B开源项目在文创方面展示的例子看到它具有不错的文创能力和一定的代码能力，可以作为开发者来使用的一个不错的基础大模型。 用户： 请为我创作一篇关于城市交通规划的实践报告，内容要涉及到交通流量、公共交通优势和市民出行习惯，不少于800字 TeleChat-7B： 城市交通规划实践报告 一、引言 随着城市化进程的加速， 在评论评语方面，TeleChat7B可能是因为SFT的缘故会拒答一些问题，以及对于上面的第二个prompt回答的质量比较低。而对于上面的第一个问题，也出现了经典的大模型幻觉问题。
68420编辑于 2024-02-22 - 来自专栏大模型应用
88-大模型应用：Drools+混元大模型：企业级智能决策的“规则+底线”双引擎.88
现在我们把Drools规则引擎和大模型深度结合，搭一套“硬规则兜底、大模型做柔性处理”的双引擎决策架构：规则引擎管死合规底线，坚决不碰风险；大模型专注优化业务体验，搞定那些柔性场景。 1.3 融合的核心思想分层决策，刚柔并济：先让“门卫”（Drools）检查是否触碰底线，底线没问题再让“管家”（大模型）做柔性优化；若触碰底线，规则引擎直接拦截，大模型仅辅助解释原因。 ；结果融合：结构化规则结论 + 非结构化大模型建议 = 完整决策。 7. 这些内容没有写在任何一条 IF-THEN 规则里，却是传统规则引擎完全做不到的。这一正一反两个案例说明： 规则引擎管底线，大模型管体验，不是一句口号，而是真正可落地、可复用的企业智能决策架构。
16921编辑于 2026-04-26 - 来自专栏深度学习与python
AI 渗透金融行业：大模型如何破解风控、服务与决策难题？
魏政刚： 这也是我在此次会议中想讨论的问题：以大模型为代表的 AI 浪潮，是颠覆性力量还是持续进化的力量？ 尽管大模型的应用降低了算力和资源成本，但在实时决策中，由于响应时效性较差，仍需结合流计算框架进行优化。通过将实时决策和大模型辅助决策结合，能够提升决策的准确性和灵活性。 技术破局与落地 费浩峻：在金融决策场景中，模型的可解释性与性能之间往往存在矛盾。这种情况下，我们应如何权衡二者？又该如何建立对 AI 决策结果的信任机制？ 历史上，人工智能经历了从概率统计到专家系统、判别式 AI 再到生成式 AI 的演变，我认为可解释性在逐步增强。 董纪伟：智能体的应用在金融行业尤其重要，特别是在风控和风险决策中。智能体不仅仅依赖大模型，还结合了传统的决策引擎、知识图谱等技术，能够完成自适应和可量化的任务。
98010编辑于 2025-06-11 - 来自专栏时空探索之旅
AI论文速读 | TF-LLM：基于大语言模型的可解性交通预测
可解释的预测为影响交通模式的因素提供了宝贵的见解，有助于城市规划者、交通工程师和政策制定者就基础设施发展、交通管理策略和公共交通规划做出明智的决策。 深度模型和大模型的时空学习方式 A: 这篇论文试图解决的问题是如何提高交通流量预测的可解释性，同时保持或提升预测的准确性。 零样本泛化能力：该方法可以轻松泛化到不同的城市动态，实现零样本预测，而不需要对框架进行大的改动。 总体而言，论文的目标是通过利用大型语言模型的潜力，开发出一种新的交通流量预测方法，该方法不仅能够提供准确的预测结果，还能够提供有价值的洞察，帮助城市规划者、交通工程师和政策制定者做出更明智的决策。 通过上述方法，论文成功地提出了一个既准确又可解释的交通流量预测模型，为城市规划者、交通工程师和政策制定者提供了有价值的洞察和决策支持。
82200编辑于 2024-11-19 7个AI工具大推荐
然而随着科技的持续发展，AI工具应运而生，为论文写作带来了极大的便利。今日，便为大家推荐7个超实用的AI工具，助力写论文不再发愁！1. AI智能改稿系统：内置先进的语义理解引擎，可根据指导老师的修改建议，自动对内容进行针对性优化，持续提升论文质量。 Jasper AI工具简介：Jasper AI（原名Jarvis）是一款全面的AI写作工具，能帮助用户生成各种类型的文章，其中就包括学术论文。 7. 大学生毕业论文网：拥有海量的免费论文范文工具简介：免费范文参考：大学生毕业论文网拥有海量的论文范文资源，可供用户免费浏览，无需注册，也没有广告干扰，查阅起来更加高效顺畅。 以上便是为大家推荐的7个AI工具，它们各有特色与优势，无论是论文的初稿生成、内容优化，还是语法检查、格式规范等方面，都能为用户提供有力支持。
45010编辑于 2025-08-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号