- 综合排序
- 最热优先
- 最新优先
生成式AI模型平台的技术架构与应用
某中心Bedrock平台提供多模型生成式AI服务AWS服务在稳健基础上推动机器学习创新企业利用高端机器学习模型转型的过程中面临新挑战：团队需要协助撰写文档、总结复杂内容、构建对话式AI代理或生成定制化视觉效果 该平台集成多家领先机构的模型，包括：Stability AI的文生图模型（含Stable Diffusion）AI21 Labs的多语言大语言模型Anthropic的对话式模型Claude系列Cohere 技术创新亮点分布式计算优化平台采用3-D并行技术，结合数据微批次并行、模型参数并行和分层流水线计算，通过Trainium和Inferentia专用加速器实现高效训练推理。 例如新闻机构可基于实时财经报告生成分析内容。可持续发展考量平台通过专用加速器降低单位推理成本，减少模型训练和运行时的能耗，从性能和可持续性双维度优化效率。 某中心持续扩展模型生态，致力于为客户提供更丰富的模型选择和技术支持，推动生成式AI技术在各行业的负责任应用。
30810编辑于 2025-09-27- 来自专栏科技云报道
打造生成式AI应用，什么才是关键？
生成式AI作为当前人工智能的前沿领域，全球多家科技企业都在加大生成式AI的研发投入力度。 随着技术、产品及应用等方面不断推出重要成果，如今有更多的行业用户在思考该如何将生成式AI应用落地。 生成式AI应用构建的关键 高性价比的基础设施 都说算力、算法和数据是人工智能发展的三要素，想要让这些要素更好地与生成式AI应用匹配，高性价比的基础设施必不可少。 事实上，借助专门构建的生成式AI工具和基础设施，可以帮助企业快速构建高性价比的生成式AI应用。 数据服务为生成式AI打造基座 数据作为生成式AI的关键，也将推动生成式AI的广泛应用，对于所有的组织企业来说都十分重要。 构建生成式AI 应用的行业实践 目前，由生成式AI引导的企业变革序幕全面展开，以多元应用不断创新AI应用范式，并将实践成果逐步延伸至智慧教育、智能制造、医疗等领域，真正成为人们生产生活的得力助手。
51720编辑于 2023-11-01 - 来自专栏ooderAgent
生成式 AI 在低代码平台中的应用：开启高效开发新时代
在当今数字化快速发展的时代，低代码平台正逐渐成为企业数字化转型的重要工具。而生成式 AI 的出现，为低代码平台带来了全新的机遇和挑战。 本文将深入探讨生成式 AI 在低代码平台中的应用，展示其如何助力企业实现更高效的应用开发。一、引言随着企业对数字化应用的需求不断增长，传统的软件开发方式已经难以满足快速变化的市场需求。 在低代码平台中，元学习可以帮助生成式 AI 快速适应不同的业务需求和开发场景。 三、生成式 AI 在低代码平台中的应用（一）代码生成与优化自动生成代码片段：生成式 AI 能够依据用户输入的业务需求描述，自动生成相应的代码片段。 五、结论生成式 AI 在低代码平台中的应用为企业带来了巨大的价值和机遇。它不仅提高了开发效率、降低了开发门槛，还提升了应用质量和促进了创新与个性化定制。
70110编辑于 2024-12-21 - 来自专栏若城技术专栏
基于Amazon Bedrock_构建生成式 AI 应用
Amazon Bedrock 是一个专为创新者设计的平台，它提供了构建生成式人工智能应用程序所需的一切工具和资源。 无论您的技术背景如何，Amazon Bedrock 都能让您快速上手并体验到最新的生成式人工智能技术。对于AI新手和希望提升技能的专家来说，Amazon Bedrock 都是一个强大的助力。 今天我们就来一场酣畅淋漓的手把手教程， 让我们快速轻松的感受生成式人工智能的构建 登录Amazon Bedrock 点击链接 如下图所示点击开始实验 进入操作页面开启生成式ai 之旅吧！！ Meta Liama2 模型快速体验 模型这里我们选择 Meta => LIama2 Chat 70B 吞吐量 按需即可 选择完成之后 点击应用 效果演示 当我们点击应用之后 效果如下 名词解释 .small 平台 Ubuntu Server 22.04 LTS 超时 30 分钟 温馨提示： 实验环境中仅限选择Cloud9 EC2实例为 t3.small (2 GiB RAM + 2 vCPU)
60110编辑于 2024-04-25 生成式AI时代的应用NLP实战策略
生成式AI时代的应用型自然语言处理视频资源: 观看完整讲座大型语言模型(LLM)和上下文学习为自然语言理解系统开发带来了新范式：提示工程(Prompt Engineering)成为核心方法。 本讲座分享从实际工业级信息抽取项目中总结的关键经验，展示在生成式AI时代设计健壮、模块化NLP流水线的新方法与思维模式。 核心挑战与技术方案将复杂业务问题分解为可执行的机器学习任务是应用自然语言处理的核心挑战。 ->|人机协同标注| H[Prodigy平台] D -->|模块化设计| I[高吞吐处理] E -->|私有化部署| J[安全合规]关键技术创新人机协同蒸馏技术：使用LLM加速标注流程将大模型知识蒸馏为专用小型组件实现 倍数据开发效率提升混合架构优势：保持99%精度的同时模型体积仅6MB处理速度达16,000词/秒支持实时商品交易分析等高安全场景持续优化方法论：分离通用特征与业务特定逻辑建立自动化评估基线支持快速迭代的业务需求适配工业级应用案例金融情报系统
25910编辑于 2025-08-14- 来自专栏媒矿工厂
通过 ServiceNow 平台释放生成式 AI 的力量
内容整理：李雨航 在这场聚焦于平台和产品创新的主题演讲中，CJ Desai 将分享并展示世界上一些最大的公司如何在 ServiceNow 平台上使用生成式 AI 来赋予他们竞争优势，以及您如何也能做到这一点 引言 CJ Desai：本次主题演讲中我将向你们介绍我们的平台核心、服务管理、员工体验、顾客服务以及生成式AI，并且请到了一位特殊嘉宾，他将为我们分享 AI 的未来走向。 Greg Weiss：作为我们数字化转型的一部分，我们确实很希望利用平台来驱动更多的转型，我们部署了流程挖掘、预测智能等等，而生成式 AI 是该流程中自然而然的下一步，所以我们将目光投向了分析方案。 我们还在承保和运营方面进行了一些概念验证，此外，就像其他人一样，我们也在探索 AI。 生成式 AI 图5-1 CJ Desai：好的，谢谢Mojgan。 Jensen Huang：很高兴来到这里，ServiceNow 是第一家开始开发完整的生成性 AI 平台的企业软件公司，我们都知道，我们正在经历一个重大的平台转变，加速计算和生成性 AI，计算的每一层都在被改变
91500编辑于 2024-05-31 - 来自专栏王的机器
生成式 AI 简介
这个科技就是生成式人工智能 (Generative Artificial Intelligence, GenAI)，现在只是 GenAI 革命的开始，现在是学习 GenAI 的最佳时机。 1. 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 现在让我们揭示真实的数据生成分布 pdata，并了解如何应用以上框架于此示例。从下图中我们可以看到，数据生成规则 pdata 是点只是在陆地上均匀分布，而不会出现在海洋中。 如果我们尝试使用这样的模型来生成梵高的画，那么它会以相同概率来操作一下两种画： 1. 梵高原作的复制画 (不在原始数据集) 2. 比如生成对抗网络 (generative adversarial network, GAN) 总结 生成式人工智能 (GenAI) 是一种可用于创建新的内容和想法 (包括文字、图像、视频和音乐) 的人工智能
69130编辑于 2023-09-02 - 来自专栏自学气象人
生成式 AI 简介
这个科技就是生成式人工智能 (Generative Artificial Intelligence, GenAI)，现在只是 GenAI 革命的开始，现在是学习 GenAI 的最佳时机。 1. 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 现在让我们揭示真实的数据生成分布 pdata，并了解如何应用以上框架于此示例。从下图中我们可以看到，数据生成规则 pdata 是点只是在陆地上均匀分布，而不会出现在海洋中。 如果我们尝试使用这样的模型来生成梵高的画，那么它会以相同概率来操作一下两种画： 1. 梵高原作的复制画 (不在原始数据集) 2. 比如生成对抗网络 (generative adversarial network, GAN) 总结 生成式人工智能 (GenAI) 是一种可用于创建新的内容和想法 (包括文字、图像、视频和音乐) 的人工智能
68710编辑于 2023-09-05 - 来自专栏慕枫技术笔记
深入理解生成式AI技术原理：初识生成式AI
真正的大师永远怀着一颗学徒的心 如果将人工智能按照用途进行简单分类的话，人工智能可以划分为决策式AI以及生成式AI两类。 而以ChatGPT为代表的生成式AI通过对大量数据的联合概率进行学习，对已有的数据和知识进行归纳总结，同时结合深度学习技术，自动生成新的内容，而新生成的内容可以是文字、图片甚至是视频等多模态内容。 深度学习 深度学习是生成式AI背后比较核心的实现技术，它是机器学习的重要优化手段，而机器学习又是人工智能领域重要的落地实现措施。 这就好比我们早期的烟囱式的技术架构，都是针对某一项特定的业务场景来进行系统平台的建设。 总结 本文主要对生成型AI进行了初步阐述，同时针对生成型AI最核心的两个技术点分别进行了初步说明，后面的专栏文章中将继续以深度学习以及大模型核心技术点作为切入点来深入分析生成型AI背后的技术原理。
2.3K30编辑于 2023-08-10 生成式AI在金融反欺诈中的技术应用
随着AI和生成式AI现在被欺诈者用作武器，新的真正需求是金融机构需要加强自身对AI的防御性使用、部署、训练和演进，以阻止欺诈。 生成式AI的出现进一步改进了异常检测——通过学习真实交易的基本结构，生成模型可以检测出指示欺诈活动的细微偏差，补充传统的异常检测方法。 Elasticsearch在AI、生成式AI和金融欺诈检测中的作用从根本上说，欺诈无疑是一个数据问题。 生成式AI：Elasticsearch相关性引擎是一个强大的工具，它结合了人工智能和文本搜索能力，为金融服务创建更智能的生成式AI应用程序。 欺诈、AI和生成式AI的未来生成式AI在金融欺诈检测和预防中的作用是变革性的，为金融机构提供了以空前的速度、准确性和效率打击欺诈活动的能力。
16210编辑于 2026-04-15- 来自专栏DevOps
【AI】生成式AI & Gemmi模型介绍
AI 人工智能 （AI） 被认为是机器（尤其是计算机系统）对人类智能过程的模拟。这些过程包括学习（获取信息和使用信息的规则）、推理（使用规则得出近似或明确的结论）和自我纠正。 人工智能被广泛用于各种应用，从语音识别和语言翻译到自动驾驶汽车和机器人技术。人工智能的目标是创建能够执行通常需要人类智能的任务的系统。在不同的领域使用了许多工具。 生成式AI 生成式人工智能最近变得非常流行，它被大众用来生成不同类型的内容，包括文本、图像、视频等。 生成式 AI 是人工智能 （AI） 技术的一个子集，专注于根据输入数据或从现有数据中学习的模式生成新的原创内容。 与专为分类或预测等特定任务而设计的传统 AI 模型不同，生成式 AI 模型能够创建全新的数据样本，这些样本类似于它们所接触的训练数据。它使用生成模型，这些模型根据现有数据的学习概率分布生成新内容。
95710编辑于 2024-05-06 - 来自专栏程序猿DD
项目前瞻｜Spring AI：在你的Spring应用中使用生成式AI
如果您是 Spring 开发人员，您可能想知道如何在 Spring 应用程序中实现生成式 AI。如果是这样，那么接下来这个视频一定适合您。 该视频介绍了 Spring AI，是全新的项目，可在 Spring Boot 中使用生成式 AI。目前能与OpenAI和Azure OpenAI交互，未来可能会与其他生成型AI API互动。 以下是视频总结： [00:00] 这段视频介绍了Spring AI项目，它可以在Spring Boot应用中实现生成式AI。 - Generative AI已经成为了热门话题，许多人都在思考如何在项目和日常生活中应用AI。 - Spring AI是一个相对较新的项目，可以在Spring Boot应用中实现生成式AI。 - 目前Spring AI支持与OpenAI和Azure OpenAI交互，未来可能会与其他生成式AI API进行交互。
1.7K10编辑于 2024-01-04 - 来自专栏AIGC
【AI】SLM，LLM，对话式AI，生成式AI的差异分析
它涵盖了所有旨在生成新内容的人工智能系统，这些内容可能是由人类创造的。一、生成式AI生成式 AI 旨在创建类似于真实的人类生成材料的新内容或数据。 我们的内部聊天机器人处理我们网页上的信息，包括数百篇博客文章，提供对数十人十年来生成的内容的最快访问。二、LLM VS SLM语言模型是特定类型的生成式 AI，专注于处理和生成文本。1. 大型语言模型 （LLM）LLM 理解、生成和处理自然语言文本。这些模型在大量文本数据上进行训练，使它们能够理解上下文，生成连贯且相关的文本，并执行各种基于语言的任务，例如翻译、摘要和问答。2. 三、对话式AI对话式 AI 是 AI 技术的一种应用，通常利用 LLM、SLM 或不同 AI 模型的组合来模拟类似人类的对话。 对话式 AI 使计算机能够模拟类似人类的对话。这包括一系列应用，包括聊天机器人、语音助手和交互式语音应答 （IVR） 系统。我正在参与2024腾讯技术创作特训营最新征文，快来和我瓜分大奖！
1.6K10编辑于 2024-05-06 - 来自专栏学习
生成式AI在教育技术中的应用：变革与创新
生成式AI通过生成个性化的学习材料、模拟对话、自动解答学生问题等功能，可以帮助教师简化工作流程，提高学生的学习动力和参与度。 2. 个性化学习的变革与应用 个性化学习是现代教育的重要趋势之一。 这种体验式的学习方式不仅能够增加学生的学习兴趣，还能够帮助他们更好地记忆和理解所学的内容。 AI生成的沉浸式学习环境不仅限于科学领域，在历史、地理甚至文学教学中也有广泛的应用。 教育中的道德问题与挑战 虽然生成式AI在教育中的应用前景广阔，但也存在一些道德和技术上的挑战。例如，AI生成的内容可能存在偏见，这会影响学生对某些问题的理解。 AIGC的代码实现示例（C++实现自适应测验生成） 为了帮助读者更好地理解生成式AI在教育中的应用，以下提供一个简单的C++代码示例，演示如何实现一个自适应测验生成器。 结语 生成式AI在教育技术中的应用仍处于发展初期，但其影响力不可忽视。通过合理地设计和应用AIGC，我们有机会创建一个更加高效、灵活和个性化的教育体系，为学生和教师带来更多的可能性。
1.4K10编辑于 2024-11-24 - 来自专栏资讯分享
生成式AI“进军”制造业：应用范式、趋势与问题
图2 生成式人工智能在制造业的市场规模生成式AI大模型短期趋势：拓展新场景并未出现替代小模型图3 生成式人工智能大模型在制造业的应用情况生成式AI大模型能力覆盖结构化数据、文本、图像、音视频等多个领域生成 例如创新奇智推出AInno-15B工业大模型，通过大模型服务引擎支撑生成式AI应用，实现工业机器人控制、企业私域数据分析、企业私域知识库等应用。 在CRM 领域，Salesforce、微软等均加强生成式AI在产品中的集成和应用。 生成式AI大模型在制造业领域仍需克服三大挑战人工智能在工业领域的应用仍具备非常广阔的空间，根据凯捷统计，只有欧洲顶级制造企业AI 应用普及率超过30%，日本制造企业AI 应用率达到30%；美国制造企业AI 但是生成式AI大模型的应用仍需面临一些挑战：图6 人工智能在制造业渗透率对比一是尚未出现投入产出比非常明确的场景。
1.3K20编辑于 2023-10-17 - 来自专栏云云众生s
用于生成式AI的OpenTelemetry
语义约定建立了跨平台遥测数据结构和收集的标准化指南，定义了输入、输出和操作细节。对于生成式AI，这些约定通过标准化模型参数、响应元数据和令牌使用等属性，简化了AI模型的监控、故障排除和优化。 这些见解对于调试和优化可能出现意外行为的AI应用程序非常宝贵。 注意：请注意，我们决定使用发出的事件以及生成式AI的语义约定中的日志API规范。 随着生成式AI应用程序的增长，其他语言的附加插桩库将陆续推出，从而扩展OpenTelemetry对更多工具和环境的支持。 示例用法 这是一个使用 OpenTelemetry Python 库监控带有 OpenAI 客户端的生成式 AI 应用程序的示例。 通过这种简单的插桩，可以开始捕获生成式 AI 应用程序的跟踪。以下是从Aspire 仪表板进行本地调试的示例。
1K10编辑于 2024-12-17 - 来自专栏数据派THU
干货 | 智慧教育平台生成式人工智能应用的安全要求
第一部分：编制说明 标准制定的基本原则主要包括以下四个方面： 综合性：本标准全面漫盖了智慧教育平台ChatGPT安全保护的要求，以便用户参考，井有利于各类组织和第三方评估机构对慧教育平台的数据处理活动进行监督 实践性：制定本标准时充分考虑了我国的国情、实际应用环境以及相关国家法律法规和政策，确保指导基于智慧教育平台生成式人工智能应用保护和个人信息安全具有实际应用价值。 安全和隐私保护：本标准严格要求智慧教育平台的数据在整个生命周期中的安全性，确保数据处理过程的阶段都得到充分的安全保护。 合规性：本标准符合国家相关法律法规和现有标准规范的要求，确保智慧教育平台的数据处理中满足相应的法律法规和标准规范。
37020编辑于 2023-08-08 - 来自专栏程序猿DD
使用Spring AI让你的Spring Boot应用快速拥有生成式AI能力
之前分享了关于Spring新项目Spring AI的介绍视频： 视频里演示了关于使用Spring AI将Open AI的能力整合到Spring应用中的操作，但有不少读者提到是否有博客形式的学习内容。 所以，本文就将具体介绍如何使用 Spring AI 快速让您的Spring应用拥有生成式AI的强大能力。 动手试试 第一步：使用你最喜欢的IDE来生成一个基础的Spring Boot项目。 如果您还不会这个，建议先前往Spring Boot快速入门（https://www.didispace.com/spring-boot-2/1-2-quick-start.html）学习。 RequestParam(value = "message") String message){ return this.aiClient.generate(message); } 这是一个最简单的例子，而实际真正应用的时候 完成这几个API的构建之后，您可以尝试启动它，并用API测试工具调用试试，体验一下生成式AI的强大能力。
1K10编辑于 2024-01-11 《生成式 AI 与预测性 AI 中 Together 规则引擎的协同应用与价值》
一、核心定义1生成式 AI目标：通过学习现有数据的模式，生成新内容（文本、图像、音频、代码等），输出具有创造性和真实性。 2预测性 AI目标：基于历史或实时数据，预测未来事件或结果，指导决策。 四、典型应用场景（新增 Together 规则引擎案例）1生成式 AI+Together 规则引擎金融报告生成：根据客户投资组合数据，生成式 AI 自动撰写季度分析报告，Together 规则引擎同步校验内容 五、协同应用案例（强化规则引擎价值）1医疗保健生成式 AI：生成合成医疗数据时，Together 规则引擎确保数据抹去真实患者标识，符合 HIPAA 等隐私保护法规。 2金融风控生成式 AI：生成贷款申请人的风险评估报告，规则引擎校验报告是否包含必填字段（如收入证明、征信记录链接）。
31300编辑于 2025-07-21- 来自专栏大模型应用开发
生成式 AI 为何必须进行 AI 评测？
生成式AI为啥必须做AI评测？AI评测，就是用一套标准化规则，去衡量AI生成内容的质量、靠谱程度、安全性和实际表现的全过程。你可以把AI评测理解成生成式AI专属的单元测试。 但生成式AI完全是另一个路子。在生成式AI项目里：大模型就是系统的“大脑”。模型本质上就是个黑盒。输出是概率性的，不是固定不变的。一模一样的输入，可能跑出好几种不一样的结果。 公开基准平台和精选数据集，能让你用同一套提示词和用例，横向对比多个模型。 ⚙️AI评测落地实操1️⃣DeepEval框架DeepEval是目前很火的生成式AI评测框架，自带完善的评测指标和现成示例，适配纯LLM提示、RAG流程、智能体工作流等各种场景。 这一步汇总，能保证评测结果统一、可量化、可落地，确保AI上线前足够稳。总结生成式AI能力强，但太“放飞自我”，想做出靠谱应用，结构化评测必不可少。
24110编辑于 2026-03-22
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